Quando si esegue la regressione lineare, è spesso utile eseguire una trasformazione come la trasformazione del log per la variabile dipendente per ottenere una migliore conformazione della distribuzione normale. Spesso è anche utile ispezionare i beta dalla regressione per valutare meglio la dimensione dell'effetto / la reale rilevanza dei risultati.
Ciò solleva il problema che quando si utilizza, ad esempio, la trasformazione del log, le dimensioni dell'effetto saranno in scala logaritmica e mi è stato detto che a causa della non linearità della scala utilizzata, la retro-trasformazione di queste beta risulterà in valori non significativi che non hanno alcun utilizzo nel mondo reale.
Finora abbiamo generalmente eseguito una regressione lineare con variabili trasformate per ispezionarne il significato e quindi una regressione lineare con le variabili originali non trasformate per determinare la dimensione dell'effetto.
C'è un modo giusto / migliore per farlo? Per la maggior parte lavoriamo con i dati clinici, quindi un esempio di vita reale sarebbe quello di determinare come una determinata esposizione influisce su variabili continue quali altezza, peso o alcune misurazioni di laboratorio, e vorremmo concludere qualcosa come "l'esposizione A ha avuto l'effetto di peso crescente di 2 kg ".