Уважаемые коллеги!

Вопрос состоит в том, как в последующем использовать уравнение регрессии (линейное) для предсказания зависимой переменной, если для построения данного уравнения с целью соблюдения условий применения метода данные (и зависимые, и предикторы) были преобразованы с тем, чтобы нормализовать распределение (в частности, Бокса-Кокса)? Ведь в принципе в будущем мы будем иметь дело не с преобразованными, а реальными значениями. А также, как в этом случае интерпретировать коэффициенты бета?

Попутный вопрос. При построении многофакторной модели предлагается сначала провести однофакторный анализ, а затем выбрать те параметры, уровень значимости для которых... (тут я встречал разные варианты) p<0,05, p<0,1, p<0,2... Также, как вариант, построение многофакторной модели сразу с включением всех параметров, с последующей минимизацией их количества пошаговой регрессией... И все же как?

Спасибо!

Интерпретировать, как трансформированные. При использовании то же трансформировать. А в чем проблема? Есть Y, x получили формулу ln(Y)=beta*x^2 - интерпретация - логарифм Y увеличивается на beta единиц при росте х в квадратный корень единиц.
ответ на попутный вопрос - первый подход - ручное построение регрессионного уравнения - предпочтительнее автоматического отбора пошаговой регрессией (больший контроль за логикой и разумностью модели).