ভেরিয়েবলের লগ-ট্রান্সফর্মেশনের আগে বা পরে পারস্পরিক সম্পর্ক গ্রহণ করা

Question

এক্স এবং ওয়াইজের দুটি ল্যান্ড রূপান্তরিত হওয়ার আগে বা তার পরে দুটি এলোমেলো ভেরিয়েবলের জন্য পার্সার পারস্পরিক সম্পর্ক গণনা করা উচিত কিনা সে সম্পর্কে কি সাধারণ নীতি আছে? পরীক্ষা করার কোন পদ্ধতি কি আরও উপযুক্ত? এগুলি অনুরূপ তবে বিভিন্ন মান দেয়, কারণ লগ রূপান্তরটি অ-রৈখিক। এটি লগ করার পরে এক্স বা ওয়াই স্বাভাবিকের আরও কাছাকাছি রয়েছে কিনা তার উপর নির্ভর করে? যদি তাই হয় তবে বিষয়টি কেন? এবং এর অর্থ কি এই যে X এবং Y বনাম লগ (এক্স) এবং লগ (ওয়াই) এর উপর একটি স্বাভাবিকতা পরীক্ষা করা উচিত এবং এর ভিত্তিতে সিদ্ধান্ত নিন যে পার্সার (লগ (এক্স), লগ ( Y))?

Comments

@ভিনাক্সের একটি দুর্দান্ত উত্তর রয়েছে এবং এটি সম্পর্কের ক্ষেত্রে স্বাভাবিকতার ভূমিকা বোঝার জন্য একটি তথ্যমূলক লিঙ্ক সরবরাহ করে। আমি কেবল এই প্রশ্নের দিকে ইঙ্গিত করতে চেয়েছিলাম: stats.stackexchange.com/questions/298 যা লগগুলি রিগ্রেশনটিতে কী করে তা বোঝার জন্য খুব ভাল।

— গুং - মনিকা পুনরায়

Answer 1

যেহেতু এবং ডেটা এবং একঘেয়ে রূপান্তর, তাই আপনি র‌্যাঙ্ক পারস্পরিক সম্পর্ক ( ) ব্যবহার করতেও পছন্দ করতে পারেন এবং আপনার ডেটা রুপান্তর করার বিষয়ে চিন্তা করবেন না, কারণ আপনি$\log(X)$$\log(Y)$$X$$Y$$\rho_S$$\rho_S(X,Y) = \rho_S(\log(X),\log(Y))$

Answer 2

সম্পর্কযুক্ত (পার্সন) দুটি ক্রমাগত ভেরিয়েবলের মধ্যে একটি লিনিয়ার সম্পর্ক পরিমাপ করে। (এক্স, ওয়াই) বা (লগ এক্স, লগ ওয়াই) এর মতো কোনও পছন্দ নেই। ভেরিয়েবলের বিচ্ছুরিত প্লট সম্পর্ক বোঝার জন্য ব্যবহার করা যেতে পারে।

নীচের লিঙ্কটি স্বাভাবিকতা সম্পর্কিত বিষয়ে উত্তর দিতে পারে। লিংক

Answer 3

পিয়ারসন পারস্পরিক সম্পর্ক প্যারামিট্রিক পরীক্ষার জন্য এবং প্যারামিট্রিক নন পরীক্ষার চেয়ে আরও শক্তিশালী। সুতরাং, আমরা কোনও অ-প্যারাম্যাট্রিক পদ্ধতির আগে রূপান্তরটি ব্যবহার করতে পছন্দ করি। আপনার ডেটা রুপান্তর করুন এবং পার্সোনস পারস্পরিক সম্পর্ক পান। এটাই.

Comments

@ আবী: নমুনা আকারের উপর নির্ভর করে, স্পিয়ারম্যান এবং কেন্ডালের সহগগুলি সাধারণভাবে বিতরণ করা ডেটার সাথে পাওয়ার এবং এমএসইয়ের তুলনায় তুলনামূলকভাবে সমান এবং এমনকি সামান্য ডেটা দূষণের চেয়েও উন্নত।

— প্যাট্রিক