Saya bertanya-tanya apakah itu membuat perbedaan dalam interpretasi apakah hanya dependen, baik dependen dan independen, atau hanya variabel independen yang ditransformasikan log.
Pertimbangkan kasus
log(DV) = Intercept + B1*IV + Error
Saya bisa menafsirkan IV sebagai peningkatan persen tetapi bagaimana ini berubah ketika saya punya
log(DV) = Intercept + B1*log(IV) + Error
atau ketika saya punya
DV = Intercept + B1*log(IV) + Error
?
regression
data-transformation
interpretation
regression-coefficients
logarithm
r
dataset
stata
hypothesis-testing
contingency-tables
hypothesis-testing
statistical-significance
standard-deviation
unbiased-estimator
t-distribution
r
functional-data-analysis
maximum-likelihood
bootstrap
regression
change-point
regression
sas
hypothesis-testing
bayesian
randomness
predictive-models
nonparametric
terminology
parametric
correlation
effect-size
loess
mean
pdf
quantile-function
bioinformatics
regression
terminology
r-squared
pdf
maximum
multivariate-analysis
references
data-visualization
r
pca
r
mixed-model
lme4-nlme
distributions
probability
bayesian
prior
anova
chi-squared
binomial
generalized-linear-model
anova
repeated-measures
t-test
post-hoc
clustering
variance
probability
hypothesis-testing
references
binomial
profile-likelihood
self-study
excel
data-transformation
skewness
distributions
statistical-significance
econometrics
spatial
r
regression
anova
spss
linear-model
di atas
sumber
sumber
Jawaban:
Charlie memberikan penjelasan yang bagus dan benar. Situs Computing Statistik di UCLA memiliki beberapa contoh lebih lanjut: http://www.ats.ucla.edu/stat/sas/faq/sas_interpret_log.htm , dan http://www.ats.ucla.edu/stat/mult_pkg/ faq / general / log_transformed_regress.htm
Hanya untuk melengkapi jawaban Charlie, di bawah ini adalah interpretasi spesifik dari contoh Anda. Seperti biasa, interpretasi koefisien mengasumsikan bahwa Anda dapat mempertahankan model Anda, bahwa diagnostik regresi memuaskan, dan bahwa data berasal dari studi yang valid.
Contoh A : Tidak ada transformasi
"Satu peningkatan unit IV dikaitkan dengan (
B1
) peningkatan unit DV."Contoh B : Hasil berubah
"Satu peningkatan unit IV dikaitkan dengan (
B1 * 100
) persen peningkatan DV."Contoh C : Eksposur berubah
"Satu persen peningkatan IV dikaitkan dengan (
B1 / 100
) peningkatan unit DV."Contoh D : Hasil berubah dan paparan berubah
"Satu persen peningkatan IV dikaitkan dengan (
B1
) persen peningkatan DV."sumber
Mengikuti logika yang sama, untuk model level-log, yang kita miliki
sumber
Tujuan utama dari regresi linier adalah untuk memperkirakan perbedaan rata-rata hasil yang membandingkan tingkat yang berdekatan dari seorang regressor. Ada banyak jenis cara. Kami paling akrab dengan rata-rata aritmatika.
AM adalah apa yang diperkirakan menggunakan OLS dan variabel yang tidak diubah. Mean geometrik berbeda:
Praktis perbedaan GM adalah perbedaan multiplikatif: Anda membayar X% dari bunga saat mengambil pinjaman, kadar hemoglobin Anda berkurang X% setelah memulai metformin, tingkat kegagalan pegas meningkat X% sebagai sebagian kecil dari lebar. Dalam semua contoh ini, perbedaan rerata baku kurang masuk akal.
log(y) ~ x
y ~ log(x, base=2)
Terakhir,
log(y) ~ log(x)
hanya menerapkan kedua definisi untuk mendapatkan perbedaan multiplikasi membandingkan kelompok yang berbeda secara multiplikasi dalam tingkat paparan.sumber