Nejlepší odpověď
Konstanta v regresní rovnici je hodnotou závislá proměnná, vysvětlující proměnné nabývají nulových hodnot. význam bude záviset na tom, co vysvětluje regresní rovnice. Například pokud je regresní rovnicí funkce celkových nákladů, představuje konstanta nebo intercept fixní náklady, to znamená, že vznikne, zda podnik nic nevyrábí a neprodává. Koeficient sklonu představuje variabilní náklady, které budou přidány k celkovým nákladům, protože výroba je jednotkou. V případě lineární rovnice časového trendu, kde se časový trend měří jako 0, 1, 2,3,… n let, se konstanta rovná počáteční hodnotě časové řady. v případě vysvětlení fiktivní proměnné s hodnotami 0 nebo 1 představuje koeficient fiktivní proměnné buď posunutí konstanty nahoru, když nastane podmínka předložená fiktivní proměnnou (nabývá hodnoty 1).
Odpověď
Je použití protokolu na výstupní proměnnou regresního modelu (pro snížení nadměrného rozptylu) správný přístup?
Zda je vhodné použít logovou transformaci pro závislou proměnnou, velmi záleží na povaze závislé proměnné.
Když je proměnná četností chování (například počet delikventních chování mezi studenty HS) s modální frekvencí 0 a širokým rozptylem nenulových skóre, je mnohem lepší použít regresní model, který má smysl pro tento druh dat (například Poissonův nebo negativní binomický nebo beta , nula-nafouknutý nebo ne), než pro logickou transformaci skóre. Například:
Když se skóre u proměnné neliší minimálně o 2 nebo 3 řády (např. Nejvyšší skóre je pouze 10krát nejnižší skóre namísto 1000krát), musíte zkontrolovat, zda použití logaritmické transformace skutečně odpovídá rozptylu. V situacích, kdy existuje omezený rozsah hodnot pro Y, může být korelace mezi Y a log (Y) kolem 0,90. V této situaci transformace protokolu ve skutečnosti moc nezměnila tvar distribuce, nyní však máte problém interpretovat výsledky ve smyslu protokolu Y.
Pokud se skóre liší podle řádů ( pokud jde o některé proměnné v biologii a astronomii), mohou být užitečné logické nebo energetické transformace (možná pro X i Y). Viz příklad níže: v této situaci transformace protokolu opravuje nejen neobvyklý (pozitivně zkosený) tvar distribuce; také linearizuje asociaci X / Y. Příklad z Warner, R. (2012). Aplikovaná statistika: Od bivariantních přes vícerozměrné techniky. Thousand Oaks: Sage