चर के परिवर्तन से पहले या बाद में सहसंबंध लेना

Question

क्या कोई सामान्य सिद्धांत है कि किसी को अपने लॉग ट्रांसफ़ॉर्म लेने से पहले या बाद में दो यादृच्छिक चर एक्स और वाई के लिए पीयरसन सहसंबंध की गणना करनी चाहिए या नहीं? क्या परीक्षण करने के लिए एक प्रक्रिया है जो अधिक उपयुक्त है? वे समान लेकिन विभिन्न मूल्यों का उत्पादन करते हैं, क्योंकि लॉग ट्रांसफ़ॉर्म गैर-रैखिक है। क्या यह निर्भर करता है कि लॉग के बाद X या Y सामान्यता के करीब हैं या नहीं? यदि हां, तो वह क्यों मायने रखता है? और क्या इसका मतलब यह है कि किसी को एक्स और वाई बनाम लॉग (एक्स) और लॉग (वाई) पर एक सामान्यता परीक्षण करना चाहिए और इसके आधार पर तय करना होगा कि पीयरसन (एक्स (वाई)) पीयरसन (लॉग) (एक्स) से अधिक उपयुक्त है, लॉग ( वाई))?

Comments

@vinux का एक अच्छा जवाब है, और सहसंबंध में सामान्यता की भूमिका को समझने के लिए एक जानकारीपूर्ण लिंक प्रदान करता है। मैं सिर्फ इस प्रश्न की ओर संकेत करना चाहता था: आँकड़े.स्टैकएक्सचेंज / क्वेस्ट / २ ९ to to जो यह समझने के लिए बहुत अच्छा है कि लॉग प्रतिगमन में क्या करते हैं।

— गूँग - मोनिका

Answer 1

चूंकि $\log(X)$ तथा $\log(Y)$ डेटा के मोनोटोनिक रूपांतरण हैं $X$ तथा $Y$, तुम भी स्पीयरमैन रैंक सहसंबंध का उपयोग करने के लिए चुन सकते हैं ($\rho_S$) और अपने डेटा को बदलने के बारे में चिंता न करें, जैसा कि आपको मिलेगा $\rho_S(X,Y) = \rho_S(\log(X),\log(Y))$

Answer 2

सहसंबंध (पियरसन) दो निरंतर चर के बीच एक रैखिक संबंध को मापता है। (X, Y) या (log X, log Y) के लिए ऐसा कोई विकल्प नहीं है। संबंधों की समझ के लिए चरों के स्कैटर प्लाट का उपयोग किया जा सकता है।

निम्नलिखित लिंक सामान्यता के मुद्दे के बारे में जवाब दे सकता है। संपर्क

Answer 3

पियर्सन सहसंबंध पैरामीट्रिक परीक्षण के लिए है और गैर-पैराशियर परीक्षण की तुलना में अधिक शक्तिशाली है। इस प्रकार, हम किसी भी गैर-पैरामीट्रिक प्रक्रियाओं से पहले परिवर्तन का उपयोग करने का विकल्प चुनते हैं। अपना डेटा ट्रांसफ़र करें और पियर्सन सहसंबंध प्राप्त करें। बस।

Comments

@ अबी: नमूना आकार के आधार पर, स्पीयरमैन और केंडल के गुणांक शक्ति और एमएसई से पियरसन के साथ सामान्य रूप से वितरित डेटा के संदर्भ में अपेक्षाकृत समान हैं, और यहां तक ​​कि मामूली डेटा संदूषण से भी बेहतर हैं।

— पैट्रिक