Прийняття кореляції до або після log-перетворення змінних

Чи існує загальний принцип щодо того, чи слід обчислювати кореляцію персона для двох випадкових величин X і Y, перш ніж приймати їх логічне перетворення чи після? Чи є процедура тестування, яка є більш підходящою? Вони дають подібні, але різні значення, оскільки перетворення журналу нелінійне. Це залежить від того, чи X або Y ближче до нормальності після журналу? Якщо так, то чому це важливо? І чи означає це, що слід робити тест на нормальність для X і Y проти log (X) та log (Y) і на основі цього вирішувати, чи pearson (x, y) є більш відповідним, ніж pearson (log (x), log ( у))?

Тому що $\log(X)$ і $\log(Y)$ є монотонними перетвореннями даних $X$ і $Y$Ви також можете скористатись співвідношенням рейтингу Spearman ($\rho_S$) і не турбуйтеся про перетворення своїх даних, як ви отримали $\rho_S(X,Y) = \rho_S(\log(X),\log(Y))$

Кореляція (персон) вимірює лінійну залежність між двома безперервними змінними. Немає такого вибору для (X, Y) або (log X, log Y). Графік розсіювання змінних може бути використаний для розуміння взаємозв'язку.

Наступне посилання може відповісти на питання щодо нормальності. посилання

Кореляція Пірсона призначена для параметричного тестування і є більш потужною, ніж непараметрична проба. Таким чином, ми вирішили використовувати перетворення перед будь-якими непараметричними процедурами. Перетворіть ваші дані та отримайте співвідношення між собою. Це воно.