A regressão linear tem sido amplamente utilizada em diversas áreas de conhecimento devido sua praticidade. Na ciência florestal, essa ferramenta é fundamental para modelagem de variáveis e relações dendrométricas. No entanto, para a adequada aplicação, algumas premissas devem ser atendidas, dentre as quais destacam-se a normalidade dos resíduos e a homogeneidade das variâncias, as quais são frequentemente violadas. Nessa perspectiva, as estratégias de transformação de variáveis são alternativas promissoras para corretas inferências estatísticas. Diante disso, objetivou-se avaliar diferentes estratégias de transformação em modelos de regressão linear para predição da altura e do volume por árvore em povoamentos e florestas naturais. Para a modelagem da relação altura-diâmetro, foram empregados dados de Pinus oocarpa em idades de 5 e 19 anos. Para a modelagem do volume, foram utilizadas bases de dados de florestas naturais da Amazônia e da Mata Atlântica, além dos povoamentos de P. oocarpa. Foram testadas distintas estratégias de transformação de variáveis: Log, recíproca, Box-Cox, Manly, Bickel-Doksum, Yeo-Johnson, Glog, Dual power, G power, Log shift, raiz quadrada deslocada e raiz quadrada. As modelagens com variáveis transformadas que corrigiram simultaneamente as premissas de normalidade dos resíduos e homocedasticidade foram avaliadas estatisticamente para a seleção das estratégias mais adequadas. Assim, orienta-se a transformação em situações na qual pelo menos um dos pressupostos é violado. Nessas ocasiões, em estudos da relação altura-diâmetro, recomenda-se as estratégias de Manly e Box-Cox, ao passo que, em modelagens volumétricas, indicam-se a aplicação do logaritmo e de Box-Cox.