4
如何在线性回归中解释对数变换的系数？
我的情况是： 我已经对数转换了1个连续因变量和1个连续预测变量，以对它们的残差进行归一化，以进行简单的线性回归。 对于将这些转换后的变量与其原始上下文相关联的任何帮助，我将不胜感激。 我想使用线性回归来基于2010年缺勤的天数来预测2011年缺勤的天数。大多数学生缺勤0天或仅几天，数据正向左偏斜。因此，需要进行变换以使用线性回归。 我对两个变量都使用了log10（var + 1）（对于缺勤0天的学生使用+1）。我使用回归是因为我也想添加分类因素-性别/种族等。 我的问题是： 我想反馈给的听众不会理解log10（y）= log（constant）+ log（var2）x（坦率地说，我也不是）。 我的问题是： a）是否有更好的方法来解释回归中的转换变量？即在2010年永远错失1天，而在2011年错失2天，而在2010年永远错失1个日志单位，2011年是否错失x个日志单位？ b）具体而言，鉴于此消息来源的引用语段如下： “这是数学标准化考试成绩每增加一个单位的负二项式回归估计，因为模型中的其他变量保持不变。如果学生将她的数学考试成绩提高一个点，则对数的对数差在使模型中的其他变量保持不变的同时，预期计数将减少0.0016单位。” 我想知道： 这句话是不是说UNTRANSFORMED变量数学分数的每增加一单位，常数（a）UNTRANSFORMED就会减少0.0016 ，那么如果数学分数上升两点，我就要从常数a减去0.0016 * 2？ 这是否意味着我通过使用指数（a）和指数（a + beta * 2）来获得几何平均值，并且我需要计算这两者之间的百分比差，以说明预测变量的影响/有因变量？ 还是我完全错了？ 我正在使用SPSS v20。很抱歉在一个很长的问题中提出这个问题。