선형 회귀 모델의 특징을 확인할 때, 데이터가 강하게 오른쪽으로 치우친 분포를 보입니다. 회귀 가정을 충족시키는 데 가장 적합한 변환은 무엇입니까?

데이터가 강하게 오른쪽으로 치우친 분포를 보일 때, 이는 종종 잔차의 비정규성과 이분산성으로 이어져 선형 회귀 모델의 가정을 위반합니다. 로그 변환은 이러한 오른쪽으로 치우친(양의 왜도) 분포를 대칭에 가깝게 만들어 정규성을 개선하고 분산을 안정화하는 데 매우 효과적입니다. 이는 선형 회귀 모델의 주요 가정 중 하나인 잔차의 정규성 및 등분산성을 충족시키는 데 도움이 됩니다. 지수 변환은 데이터의 왜도를 더 증가시킬 수 있어 적합하지 않습니다. 다항 변환은 선형 관계를 비선형 관계로 바꾸는 데 사용되지만, 분포의 왜도를 줄이는 데는 직접적인 목적이 없습니다. 사인 변환은 주기적인 데이터에 사용될 수 있으나, 치우친 분포를 정규화하는 데는 적합하지 않습니다.