在变量对数转换之前或之后进行相关

关于是否应在进行对数转换之前或之后为两个随机变量X和Y计算出皮尔逊相关性，是否有一个普遍的原则？有测试哪个程序更合适？它们产生相似但不同的值，因为对数变换是非线性的。是否取决于对数后X或Y是否更接近常态？如果是这样，那为什么重要呢？这是否意味着应该对X和Y与log（X）和log（Y）进行正态性检验，并据此确定pearson（x，y）是否比pearson（log（x），log（ y））？

因为 $\log(X)$ 和 $\log(Y)$ 是数据的单调变换 $X$ 和 $Y$，您也可以选择使用Spearman的排名相关性（$\rho_S$），不必担心会转换数据，因为您会得到 $\rho_S(X,Y) = \rho_S(\log(X),\log(Y))$

Correlation（pearson）测量两个连续变量之间的线性关系。（X，Y）或（log X，log Y）没有这样的选择。变量的散点图可用于理解关系。

以下链接可能会回答有关正常性的问题。链接

皮尔逊相关性用于参数测试，并且比非参数测试更强大。因此，我们选择在任何非参数过程之前使用转换。转换数据并获得皮尔逊相关性。而已。