Una transformación pudiera ser necesaria cuando los residuos exhiban varianza no constante o no normalidad.
Las transformaciones también pudieran ser útiles cuando el modelo exhibe una falta de ajuste significativa, lo cual es particularmente importante en los experimentos de análisis de superficie de respuesta. Supongamos que usted incluye todas las interacciones significativas y los términos cuadráticos en el modelo, pero la prueba de falta de ajuste indica la necesidad de términos de orden más alto. Una transformación puede eliminar la falta de ajuste.
Si la transformación corrige el problema, usted puede utilizar el análisis de regresión en lugar de otros análisis, posiblemente más complicados. Un texto apropiado sobre regresión o análisis de experimentos diseñados puede ofrecer una orientación adecuada con respecto a cuáles transformaciones resuelven diferentes problemas.
Usted puede transformar los datos usando muchas funciones, tales como la raíz cuadrada, el logaritmo, la potencia, la recíproca o el arcoseno.