Prendere la correlazione prima o dopo la trasformazione dei log delle variabili

Esiste un principio generale sull'opportunità di calcolare la correlazione di Pearson per due variabili casuali X e Y prima di eseguire la trasformazione del log o dopo? Esiste una procedura per verificare quale è più appropriata? Forniscono valori simili ma diversi, poiché la trasformazione del log non è lineare. Dipende dal fatto che X o Y siano più vicini alla normalità dopo il log? In tal caso, perché è importante? Ciò significa che si dovrebbe fare un test di normalità su X e Y rispetto a log (X) e log (Y) e in base a quello decidere se pearson (x, y) è più appropriato di pearson (log (x), log ( y))?

$\log(X)$$\log(Y)$$X$$Y$$\rho_S$$\rho_S(X,Y) = \rho_S(\log(X),\log(Y))$

La correlazione (pearson) misura una relazione lineare tra due variabili continue. Non esiste tale scelta per (X, Y) o (registro X, registro Y). Il diagramma a dispersione delle variabili può essere utilizzato per comprendere la relazione.

Il seguente link può rispondere in merito al problema della normalità. collegamento

La correlazione di Pearson è per i test parametrici ed è più potente del test non parametrico. Pertanto, optiamo per la trasformazione prima di qualsiasi procedura non parametrica. Trasforma i tuoi dati e ottieni la correlazione delle pere. Questo è tutto.