在计量经济学中指定函数时,为什么使用自然对数(ln)而不是以10为底的对数的原因是什么?


Answers:


53

在社会科学的线性回归中,Gelman和Hill写道[1]:

我们更喜欢自然对数(即以为底的对数),因为如上所述,自然对数标度上的系数可以直接解释为近似比例差:系数为0.06时,x的差1 对应于大约6 y的%差异,依此类推。ËXÿ

[1] Andrew Gelman和Jennifer Hill(2007)。使用回归和多层次/层次模型进行数据分析。剑桥大学出版社:剑桥;纽约,第60-61页。


3
+1:出于具体原因,更喜欢自然对数。
尼尔·G

2
更一般地,指数函数是唯一等于其导数的连续函数。
user603 2013年

1
如果我们将log10应用于因变量和自变量,这将不适用吗?
cs0815

2
@ cs0815如果应用周围的点b的泰勒展开 到指数函数fx=ax,其中fnx=lna+Ox2 并且lna项对于a=e使得您可以使用fb
f(x)=n=0f(n)(b)n!(xb)n
f(x)=ax则得到前两个项: f b + x = f b + l n a f b xf(n)(x)=ln(a)nax
f(b+x)=f(b)+ln(a)f(b)x+O(x2)
ln(a)a=e,然而这是仅适用于小x真。您也可以简单地尝试一下exp(1.06)/ exp(1)= 1.0618和10 ^ 1.06 / 10 ^ 1 = 1.1418154f(b+x)f(b)(1+x
Sextus Empiricus

14

并没有强烈的理由偏爱自然对数。假设我们正在估计模型:

ln Y = a + b ln X

自然(ln)与以10为底的对数(log)对数之间的关系为ln X = 2.303 log X (源)。因此,该模型等效于:

2.303 log Y = a + 2.303b log X

或者,将/ 2.303 = a *:

log Y = a* + b log X

可以估计两种形式的模型,并得出相同的结果。

自然对数的一个小优点是它们的一阶微分比较简单:d(ln X)/ dX = 1 / X,而d(log X)/ dX = 1 /((ln 10)X)(源)

有关计量经济学教科书中可以使用任何一种对数形式的资料,请参见古吉拉特语,《计量经济学要点》 2006年第3版,第288页。


2
自然对数在半对数时间序列回归中也很有用,因为估计系数可以解释为连续复合增长率。
杰森·B

6

我认为使用自然对数是因为在进行利息/增长计算时经常使用指数。

FŤ=ñË[RŤ

由于您最终在微积分中获得指数,因此摆脱它的最佳方法是使用自然对数,如果您进行逆运算,自然对数将为您提供达到一定增长所需的时间。

另外,关于对数的好处(不管是自然的还是非自然的)都是可以将乘法转化为加法的事实。

关于为什么复利时我们最终会使用指数的数学解释,您可以在这里找到:http : //en.wikipedia.org/wiki/Continuously_compounded_interest#Periodic_compounding

基本上,您需要采取限制以获取无限数量的利率支付,这最终是指数的定义

甚至认为,连续时间在现实生活中并未得到广泛使用(您需要按月还款而不是每秒钟一次来偿还抵押贷款。),这种计算通常被定量分析人员使用。


我可能会给出这样的答案。建模无关紧要的一点也是很好的一点。我们可以轻松地使用基数2。区别只是一个恒定因素
Michael R. Chernick

ñ[RŤ

4

经济学家喜欢使用对数函数形式的回归的另一个原因是经济方面的:系数可以理解为Cobb-Douglas函数的弹性。这一功能可能是经济学家用来分析有关微观经济行为(消费者的偏好,技术,生产功能)和宏观经济问题(经济增长)的最常用的功能。弹性项用于描述变量相对于另一个变量的响应程度。


2

Ë-1个2X2


1
Ë-X2

2

唯一的原因是泰勒展开式可以直观地解释结果。

ΔlnÿŤ=lnÿŤ-lnÿŤ-1个=lnÿŤÿŤ-1个=ln1个+ΔÿŤÿŤ-1个
ΔÿŤÿŤ-1个是现在的GDP增长率。

ΔlnÿŤΔÿŤÿŤ-1个-1个2ΔÿŤÿŤ-1个2+
ΔlnÿŤΔÿŤÿŤ-1个

=+β×ΔlnÿŤ
β

经济学家喜欢容易解释的变量。如果插入其他日志库,则可解释性较弱。例如,查看对日志基础10进行的处理:

=+β×Δ日志10ÿŤ+β×1个ln10ΔÿŤÿŤ-1个
β

1

如果您认为对数的反函数是指数函数(是对数的连续形式),则有充分的理由使用变量的对数变换。一次增长约10%的经济变量可以转换为平均值约为10(加上常数)的变量。您不能使用不同基数的对数转换来做到这一点。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.