Bandingkan model yang cocok dengan respons yang diubah dan tidak diubah

Saya ingin membandingkan data yang proporsional di antara tiga kelompok yang berbeda misalnya:

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

Mengikuti Wharton dan Hui (doi: 10.1890 / 10-0340.1 1 ) Saya pikir saya akan melihat apakah data ini akan lebih baik ditangani dengan menggunakan logit yang diubah.

Ketika saya melihat plot diagnostik untuk model linier pada data yang ditransformasikan dan tidak ditransformasikan, mereka terlihat sangat mirip tanpa masalah yang jelas, dan hanya ada sedikit perbedaan dalam estimasi parameter. Namun, saya masih ingin dapat mengatakan sesuatu tentang seberapa baik model tersebut cocok dengan versi data yang ditransformasi dan tidak ditransformasi - saya tahu saya tidak dapat membandingkan nilai AIC secara langsung. Apakah ada koreksi dan saya bisa membuat untuk memeriksa ini? Atau haruskah saya mengambil pendekatan yang berbeda?

data-transformation aic fitting

— david w
sumber

Anda mungkin ingin mencoba transformasi Box-Cox ( boxcox()di perpustakaan MASS), meskipun saya tidak yakin apakah itu dapat menangani transformasi logit.

— Marius

@Marius: untuk mengklarifikasi, apakah Anda menyarankan boxcox()data mentah, atau pada data yang diubah?

— Michelle

Bagaimana dengan mentransformasikan data dan nilai-nilai yang dipasang ke skala yang relevan dengan subjek (sehingga Anda akan memiliki skala terpadu) dan kemudian menghitung AIC untuk semua model pesaing yang Anda miliki? Anda harus menghitung nilai AIC secara manual untuk model yang awalnya cocok pada skala yang berbeda tetapi saya tidak berpikir ini bisa menjadi masalah.

— Richard Hardy

Pengalaman saya dengan data yang ditransformasikan menunjukkan bahwa korelasi membaik setelah transformasi serta homoseksualitas dan / atau normalitas, meskipun mereka belum tentu semuanya optimal untuk setiap transformasi tunggal. Satu jawaban sederhana mungkin untuk menghitung koefisien korelasi antara kedua model dan set data masing-masing. Seseorang bahkan dapat menguji signifikansi perbedaan koefisien korelasi berkorelasi. Tes untuk jenis residual fungsi homoseksual dan kepadatan juga dapat menawarkan cara untuk mengevaluasi mereka.

— Carl
sumber