Você cita vários conselhos, que sem dúvida são úteis, mas é difícil encontrar muito mérito em qualquer um deles.
Em cada caso, confio totalmente no que você cita como resumo. Em defesa dos autores, gostaria de acreditar que eles acrescentam qualificações apropriadas ao material circundante ou a outro material. (Referências bibliográficas completas nos formatos nome (s) usual (s), data, título, (editor, local) ou (título do periódico, volume, páginas) melhorariam a questão.)
Campo
Esse conselho é útil, mas é, na melhor das hipóteses, muito simplificado. O conselho de Field parece ter como objetivo geral; por exemplo, a referência ao teste de Levene implica algum foco temporário na análise de variância.
( 1 , 0 )
De maneira mais geral, é comum - em muitos campos, a situação usual - que alguns preditores sejam transformados e o restante seja deixado como está.
É verdade que encontrar em um artigo ou dissertação uma mistura de transformações aplicadas de maneira diferente a diferentes preditores (inclusive como um caso especial, transformação de identidade ou deixar como está) costuma ser motivo de preocupação para o leitor. A mistura é um conjunto de escolhas bem pensado ou foi arbitrária e caprichosa?
Além disso, em uma série de estudos, a consistência da abordagem (sempre aplicando logaritmos a uma resposta, ou nunca fazendo isso) ajuda enormemente na comparação de resultados, e diferentes abordagens a tornam mais difícil.
Mas isso não quer dizer que nunca possa haver razões para uma mistura de transformações.
Não vejo que a maior parte da seção que você cita tenha muita influência nos conselhos principais que você destaca em amarelo. Isso por si só é uma questão de preocupação: é um negócio estranho anunciar uma regra absoluta e depois não realmente explicá-la. Por outro lado, a liminar "Lembre-se" sugere que os fundamentos de Field foram fornecidos anteriormente no livro.
Artigo anônimo
O contexto aqui é modelos de regressão. Muitas vezes, falar em OLS enfatiza estranhamente o método de estimativa, e não o modelo, mas podemos entender o que se pretende. GWR I é interpretado como regressão geograficamente ponderada.
O argumento aqui é que você deve transformar preditores não normais e deixar os outros como estão. Novamente, isso levanta uma questão sobre o que você pode e deve fazer com as variáveis indicadoras, que não podem ser normalmente distribuídas (as quais, como acima, podem ser respondidas, apontando que a não normalidade nesse caso não é um problema). Mas a liminar tem o contrário ao sugerir que não é normalidade dos preditores que é o problema. Não tão; não faz parte da modelagem de regressão assumir algo sobre as distribuições marginais dos preditores.
Xβ
Há tantos conselhos extraordinariamente bons sobre transformações neste fórum que me concentrei em discutir o que você cita.
PS: Você adiciona uma declaração iniciando "Por exemplo, em uma comparação de médias, comparar logs com dados brutos obviamente produziria uma diferença significativa". Não estou claro o que você tem em mente, mas comparar valores para um grupo com logaritmos de valores para outro grupo seria apenas absurdo. Eu não entendo o resto da sua declaração.
