Citi diversi consigli, ognuno dei quali è senza dubbio inteso utile, ma è difficile trovare molto merito in nessuno di essi.
In ogni caso, mi affido totalmente a ciò che citi come sintesi. A difesa degli autori, vorrei credere che aggiungano qualifiche appropriate nei dintorni o altro materiale. (Riferimenti bibliografici completi nel solito nome (i), data, titolo, (editore, luogo) o (titolo del diario, volume, pagine) migliorerebbero la domanda.)
Campo
Questo consiglio è utile, ma nella migliore delle ipotesi è notevolmente semplificato. Il consiglio di Field sembra essere inteso in generale; ad esempio, il riferimento al test di Levene implica un focus temporaneo sull'analisi della varianza.
( 1 , 0 )
Più in generale, è comune - in molti campi la solita situazione - che alcuni predittori debbano essere trasformati e il resto lasciato così com'è.
È vero che incontrare in un articolo o una tesi una miscela di trasformazioni applicate in modo diverso a diversi predittori (incluso un caso speciale, trasformazione dell'identità o lasciare così com'è) è spesso motivo di preoccupazione per un lettore. Il mix è un insieme ben ponderato di scelte o è stato arbitrario e capriccioso?
Inoltre, in una serie di studi la coerenza dell'approccio (applicare sempre i logaritmi a una risposta, o non farlo mai) aiuta enormemente a confrontare i risultati e l'approccio diverso lo rende più difficile.
Ma questo non vuol dire che non potrebbero mai esserci ragioni per un mix di trasformazioni.
Non vedo che la maggior parte della sezione che citi ha molto a che fare con i consigli chiave che metti in evidenza in giallo. Questo di per sé è motivo di preoccupazione: è una strana impresa annunciare una regola assoluta e non spiegarla davvero. Al contrario, l'ingiunzione "Ricorda" suggerisce che i motivi di Field sono stati forniti all'inizio del libro.
Carta anonima
Il contesto qui è modelli di regressione. Come spesso, parlare di OLS enfatizza in modo strano il metodo di stima piuttosto che il modello, ma possiamo capire cosa si intende. GWR Ho interpretato come regressione geograficamente ponderata.
L'argomento qui è che dovresti trasformare predittori non normali e lasciare gli altri così come sono. Ancora una volta, ciò solleva una domanda su cosa si può e si dovrebbe fare con le variabili indicatore, che non possono essere normalmente distribuite (a cui come sopra si può rispondere sottolineando che la non normalità in quel caso non è un problema). Ma l'ingiunzione ha a rovescio implicito che il problema è la non normalità dei predittori. Non così; non fa parte del modello di regressione assumere nulla riguardo alle distribuzioni marginali dei predittori.
Xβ
Ci sono così tanti consigli straordinariamente buoni sulle trasformazioni in questo forum che mi sono concentrato sulla discussione di ciò che citi.
PS Si aggiunge un'istruzione che inizia "Ad esempio, in un confronto di mezzi, confrontare i registri con i dati grezzi produrrebbe ovviamente una differenza significativa". Non sono chiaro ciò che hai in mente, ma confrontare i valori per un gruppo con i logaritmi dei valori per un altro gruppo sarebbe semplicemente privo di senso. Non capisco affatto il resto della tua affermazione.
