Answers:
对于和彼此接近,变化百分比近似于对数差。
来自微积分的想法是,您可以用直线近似一个平滑函数。线性近似只是泰勒级数的前两个项。在附近的一阶泰勒展开式由下式给出:
因此,对于在1附近,我们可以用y = x-1线近似下面是y = \ log(x)和y = x-1的图。
例如:。
现在考虑两个变量和这样。然后,对数差异约为变化百分比:
百分比变化是对数差异的线性近似值!
通常,当您考虑复合变化百分比时,数学上更简洁的概念是考虑对数差异。当您将多个术语反复相乘时,通常更方便地在日志中工作,而不是将多个术语相加。
假设我们在时间的财富为:
那么写起来可能更方便:
其中。
对于较大的百分比变化,对数差异与百分比变化不同,因为用线近似曲线会变得越来越差,而从得到的距离越远。例如:
这种情况下的日志差异是多少?
一种考虑的方法是,log差异为0.47等于47个不同的0.01 log差异的累加,这大约是47%的变化(全部复合在一起)。
然后对两边求幂,得到:
对数差.47大约等于47个不同的1%增加的复合,甚至更好的是470个不同的.1%增加所有复合的等。
这里的几个答案使这个想法更加明确。
这是假人的版本...
我们有模型穿过数据云的简单直线-并且我们知道,一旦我们估计了系数,的先验值将增加导致增加的中的值,从,如 。但单位的绝对值实际上可能毫无意义。1 〜部X = X 1 β 1 Ŷ Ŷ = ý 1 β 1(X 1 + 1 )- β 1 X 1 = β 1
因此,我们可以改为将模型更改为(全新系数)。现在,对于相同的单位增加,我们有一个更改δ 1
要查看百分比变化的含义,我们可以对取幂:
(∗∗)100是相对变化,以及从,百分比变化。
回答这个问题的关键是看到对于较小的值,相当于泰勒展开式的前两个项的用法相同Matthew使用过,但是这次(Maclaurin系列)的评估为零,因为我们正在处理指数,而不是对数:δ 1 Ë X
或使用作为变量:
因此在零附近(当执行泰勒级数时,我们将多项式展开式评估为零)。在视觉上,
lim Δx --> 0
)。您能解释一下两者如何等效吗?