Beste Antwort
Die Konstante in einer Regressionsgleichung ist der Wert von die abhängige Variable Die erklärenden Variablen nehmen Nullwerte an. Die Bedeutung hängt davon ab, was die Regressionsgleichung erklärt. Wenn es sich bei der Regressionsgleichung beispielsweise um eine Gesamtkostenfunktion handelt, stellt die Konstante oder der Achsenabschnitt die Fixkosten dar, dh es entsteht, ob die Einrichtung nichts produziert und verkauft. Der Steigungskoeffizient stellt die variablen Kosten dar, die zu den Gesamtkosten addiert werden, wenn die Produktion um eine Einheit erhöht wird. Bei einer linearen Zeittrendgleichung, bei der der Zeittrend als 0, 1, 2,3,… n Jahre gemessen wird, entspricht die Konstante dem Anfangswert der Zeitreihe. Im Fall einer Dummy-Variablen, die mit den Werten 0 oder 1 erklärt wird, repräsentiert der Koeffizient der Dummy-Variablen entweder eine Aufwärtsverschiebung der Konstante, wenn die von der Dummy-Variablen dargestellte Bedingung eintritt (wobei der Wert 1 angenommen wird).
Antwort
Ist das Anwenden eines Protokolls auf die Ausgabevariable eines Regressionsmodells (um die Überdispersion zu verringern) ein korrekter Ansatz?
Ob die Verwendung einer Protokolltransformation für eine abhängige Variable angemessen ist, hängt stark von der Art der abhängigen Variablen ab.
Wenn eine Variable eine Häufigkeit von Verhaltensweisen ist (z Aufgrund der Anzahl der kriminellen Verhaltensweisen unter HS-Studenten mit einer Modalfrequenz von 0 und einer breiten Streuung der Nicht-Null-Werte ist es weitaus besser, ein Regressionsmodell zu verwenden, das für diese Art von Daten (wie Poisson oder negatives Binomial oder Beta) sinnvoll ist , null aufgeblasen oder nicht) als um die Ergebnisse zu protokollieren. Zum Beispiel:
Wenn sich die Bewertungen einer Variablen nicht um mindestens 2 oder 3 Größenordnungen unterscheiden (z. B. am höchsten) Die Punktzahl ist nur die 10-fache und nicht die 1000-fache Punktzahl. Sie müssen überprüfen, ob die Anwendung einer Protokolltransformation die Streuung wirklich korrigiert. In Situationen, in denen es einen begrenzten Wertebereich für Y gibt, kann die Korrelation zwischen Y und log (Y) etwa 0,90 betragen. In dieser Situation hat die Protokolltransformation die Form der Verteilung nicht wirklich stark verändert, aber Sie haben jetzt das Problem, die Ergebnisse in Bezug auf Protokoll Y zu interpretieren.
Wenn die Bewertungen um Größenordnungen variieren ( Für einige Variablen in Biologie und Astronomie können logarithmische oder Leistungstransformationen (möglicherweise sowohl für X als auch für Y) nützlich sein. Siehe das folgende Beispiel: In dieser Situation korrigiert die Protokolltransformation nicht nur die nicht normale (positiv verzerrte) Verteilungsform. es linearisiert auch die X / Y-Assoziation. Beispiel von Warner, R. (2012). Angewandte Statistik: Von bivariaten zu multivariaten Techniken. Tausend Eichen: Salbei