a propos transformations pour la normalité&homogénéise Var

salut
J'ai une question à propos les transformations pour arriver à la normalité ou d’homogénéiser les variances
est ce que on peut faire la transformation pour toutes les variables (et explicatives et expliquée)

mod<- lm (log(Ret)~ log(Part)+ log(Mat)+log(Rec)+ log(Re) , data=MyData)
###############c dans ce cas où j'ai une bonne distribution!!#######################

ou bien juste pour variables explicatives:

mod<- lm (Ret~ log(Part)+ log(Mat)+log(Rec)+ log(Re) , data=MyData)

soit juste pour la variable réponse :

mod<- lm (log(Ret)~ log(Part+ Mat+Rec+ Re , data=MyData)


merci

Salut,

Pourquoi met tu cette question dans la rubrique logiciel du forum ??

Sinon, j'avoue que ce genre de question me laisse de plus en plus sur le c..
Mais peut être que je deviens trop intolérant avec le temps alors je vais en dire plus.

1- pourquoi veux tu transformer tes données ? Pour correspondre aux hypothèses du modèles linéaire ?...grossière erreur. Si tu dois transfomer tes données pour répondre à des exigences de maths c'est que tu t'es sans doute trompé d'analyse. Le log n'est pas un remède miracle pour cantoner les variables comme on le souhaite.

2- la normalité et l'homoscédasticité, sont des hypothèses qui concernent les résidus du modèle linéaire.

3-Il ne faut pas oublier que quand les données ont une forme de sphère au départ il suffit de leur donner des bons coup de marteau pour les faire rentrer dans un triangle...bon il ne faut pas se soucier de l'interprétabilité par rapport à la question de départ. Tu auras compris dans le présent sujet, le marteau ce sont les transformations.

4- il y des cadres où les transformations se justifient pleinement : en morphométrie la relation taille-poids est une relation puissance qui une fois transformée en log donne une relation additive bien plus facile à interpréter et comprendre.

5- la transformation log a des effets pervers assez peut relaté dans la littérature tel que celui de donner une forme en cloche à toutes les distributions, qu'elles soient plates ou trimodales ou quoique ce soit.

6- Après tu transformes comme tu veux, quand tu veux, mais le seul qui puisse justifer ces choix, c'est toi car cela se fait par rapport aux hypothèses sur les données et par sur des questions de statistiques fondamentales.

Nik

Dsl, J'ai pas fait attention, ce n'était pas exprès de mettre cette question dans cette rubrique et merci pour tes suggestions

Nik a écrit:Salut,

Pourquoi met tu cette question dans la rubrique logiciel du forum ??

Sinon, j'avoue que ce genre de question me laisse de plus en plus sur le c..
Mais peut être que je deviens trop intolérant avec le temps alors je vais en dire plus.

1- pourquoi veux tu transformer tes données ? Pour correspondre aux hypothèses du modèles linéaire ?...grossière erreur. Si tu dois transfomer tes données pour répondre à des exigences de maths c'est que tu t'es sans doute trompé d'analyse. Le log n'est pas un remède miracle pour cantoner les variables comme on le souhaite.

2- la normalité et l'homoscédasticité, sont des hypothèses qui concernent les résidus du modèle linéaire.

3-Il ne faut pas oublier que quand les données ont une forme de sphère au départ il suffit de leur donner des bons coup de marteau pour les faire rentrer dans un triangle...bon il ne faut pas se soucier de l'interprétabilité par rapport à la question de départ. Tu auras compris dans le présent sujet, le marteau ce sont les transformations.

4- il y des cadres où les transformations se justifient pleinement : en morphométrie la relation taille-poids est une relation puissance qui une fois transformée en log donne une relation additive bien plus facile à interpréter et comprendre.

5- la transformation log a des effets pervers assez peut relaté dans la littérature tel que celui de donner une forme en cloche à toutes les distributions, qu'elles soient plates ou trimodales ou quoique ce soit.

6- Après tu transformes comme tu veux, quand tu veux, mais le seul qui puisse justifer ces choix, c'est toi car cela se fait par rapport aux hypothèses sur les données et par sur des questions de statistiques fondamentales.

Nik