Es necesario llevar a cabo una transformación en datos de proporción si está razonablemente bien educados?

Question

Si estás en la modelización de una proporción de respuesta contra numerosos indicadores que también son proporciones, es necesario transformar la respuesta si el estándar de MCO del modelo aparentemente se ha portado bien?

Por portado bien me refiero a:

• Ninguno de los valores ajustados se encuentran fuera del rango [0,1] (En realidad son bastante precisa)
• Los residuos de buen aspecto

Creo que el arcoseno de transformación se utiliza normalmente en este escenario para hacer que los datos se ven normales, pero lo que si este no es necesario?

También, decir que los datos no era normal, sería una transformación todavía ser necesario si uno se la modelización de las proporciones con el Bosque Aleatorio técnica?

Saludos

Answer 1

Depende. Si su objetivo es la predicción, entonces usted puede no necesitar ningún tipo de gimnasia para obtener más teóricamente modelo de sonido si el de la mano que hace bien. Pero, por supuesto, usted debe siempre ser consciente de que un buen ajuste del modelo a los datos actuales no puede realizar también en los nuevos datos. Usted puede tratar de conseguir una sensación para la que el uso de la validación cruzada, a pesar de que usted simplemente no podría tener importantes aspectos de la distribución representada en la muestra.

Si usted desea hacer inferencias utilizando algunos de los parámetros en el modelo, entonces, que el modelo debe ser motivado por el problema en la mano.

De todos modos, un primer paso es buscar sólo en la respuesta. Es aproximadamente en forma de campana? Se intenta la transformación arcoseno? ¿La transformada de distribución de aspecto (mucho) diferentes? Si la distribución de las proporciones es bastante ajustado, y se encuentra en algún lugar en el medio de la transformación no podría hacer mucho. Y luego, por supuesto, no la transformación de hacer una diferencia en la regresión?