这取决于很多事情。分析是在转换空间内完成的，因此呈现反向转换的数据可能会扭曲事物（未转换的均值是错误的，但在某些情况下，将其从转换后的汇总、均值、方差等转换回来可能是可以的）。我想我要做的第一件事就是看看它在你进行反向转换时的样子。反向转换是否与转换后的数据完全相同。如果是这样，那么您可能会以这种方式呈现它。如果不是，那么您需要提供转换后的摘要。

即使您进行了反向转换，您也需要在结果部分明确该分析适用于转换。您说，“我们在数据日志中发现了显着影响”等。

无论如何，某些转换是任意测量的变体。例如，您可能以秒为单位测量反应时间，平均值为 0.5。通常，这种数据会向右拖尾，有时可以通过简单地取反来归一化，所以现在你的平均值是 2 响应/秒。很难争辩说哪一个更有意义地代表了所发生的事情，而且它们既直截了当表达又易于解释。

要考虑的另一件事是，有时转换后的数据实际上更有意义。有时需要对数据进行部分转换，因为转换是响应变量更自然的表达方式。

可能有很多事情需要考虑，我什至没有提到。如果您在决定特定问题时遇到困难，请询问有关您拥有的确切数据类型的特定问题。

@John 在这里有一个非常好的答案。我只想添加一个正交点。拥有正态分布的数据并不像许多人认为的那么重要。高斯-马尔可夫定理告诉我们，模型估计没有必要。正态性要求值在低时是准确的（即足够高值将是正确的，即使对于非正态数据也是如此）。如果很低，那么你会想要引导你的标准错误/值。 $p$$N$$p$$N$$N$$p$

经常执行转换是因为数据在该尺度上最有意义/可解释，或者是为了纠正方差的异质性（比非正态性更重要的问题）。例如，约翰以反应时间为例。众所周知，反应时间的标准偏差随着平均值的增加而增加。取对数可以稳定方差。

这取决于您的应用，但在生物科学中，建议呈现未转换的方法，因为它们通常比转换的方法更容易解释