Confronta gli accoppiamenti del modello con la risposta trasformata e non trasformata

Voglio confrontare i dati che proporzioni tra tre diversi gruppi ad esempio:

 ID Group Prop.Nitrogen
 1    A     0.89
 2    A     0.85
 3    B     0.92
 4    B     0.97

A seguito di Wharton e Hui (doi: 10.1890 / 10-0340.1 1 ) Pensavo che avrei visto se questi dati sarebbero stati meglio gestiti usando un logit trasformato.

Quando guardo i grafici diagnostici per i modelli lineari sui dati trasformati e non trasformati, appaiono molto simili senza problemi evidenti e ci sono solo piccole differenze nei parametri stimati. Tuttavia, mi piacerebbe comunque poter dire qualcosa su come il modello si adatta alle versioni trasformate e non trasformate dei dati - so che non posso confrontare direttamente i valori AIC. C'è una correzione e posso farla esaminare? O dovrei adottare un approccio diverso?

data-transformation aic fitting

— David W.
fonte

Potresti provare una trasformazione Box-Cox ( boxcox()nella libreria MASS), anche se non sono sicuro che sia in grado di gestire le trasformazioni logit.

— Marius,

@Marius: per chiarire, stai suggerendo boxcox()sui dati grezzi o sui dati trasformati?

— Michelle

Che ne dici di trasformare i dati e i valori adattati nella scala rilevante per l'oggetto (quindi avrai una scala unificata) e quindi calcolare AIC per tutti i modelli concorrenti che hai? Dovresti calcolare manualmente i valori AIC per i modelli che inizialmente erano adattati su una scala diversa ma non penso che questo potrebbe essere un problema.

— Richard Hardy,

La mia esperienza con i dati trasformati suggerisce che la correlazione migliora dopo la trasformazione, nonché l'omoscedasticità e / o la normalità, sebbene non siano necessariamente tutte ottimali per ogni singola trasformazione. Una semplice risposta potrebbe essere quella di calcolare i coefficienti di correlazione tra i due modelli e i rispettivi set di dati. Si può anche verificare l'importanza della differenza dei coefficienti di correlazione correlati. Test per l'omoscedasticità e il tipo di funzione di densità dei residui possono anche offrire un mezzo per valutarli.

— Carl
fonte