반응이 네 번째 근본으로 변환 될 때 회귀 계수를 해석하는 방법은 무엇입니까?


20

1/4이 분산의 결과로 응답 변수에 네 번째 근 ( ) 전력 변환을 사용하고 있습니다. 그러나 이제 회귀 계수를 해석하는 방법을 모르겠습니다.

역변환 할 때 계수를 네 번째 거듭 제곱으로 가져와야한다고 가정합니다 (회귀 출력 참조). 모든 변수는 수백만 달러로 표시되지만 수십억 달러의 변화를 알고 싶습니다.

다른 독립 변수를 일정하게 유지하면서 평균 10 억 달러의 수수료 변경으로 인해 32컬렉션 의 변경 (또는 32,000 달러)이 발생합니다. 나는 0.000075223 * 1000(십억에 도달하기 위해) 가져 가라 ^ 4 = 0.000032. 이제이 숫자에 백만 또는 10 억을 곱합니까 (종속 변수의 원래 단위는 백만입니다)?

lm(formula = (Collections^(1/4)) ~ Fees + DIR)

                 Estimate      Std. Error  t value            Pr(>|t|)
(Intercept)   2.094573355     0.112292375   18.653  0.0000000000000151
Fees        **0.000075223   **0.000008411    8.943  0.0000000131878713
DIR           0.000022279     0.000004107    5.425  0.0000221138881913

4
이을 읽을 수 있습니다 : 다시 - 변환 -의 - 회귀 계수를 .
gung-복직 모니카

답변:


24

가장 좋은 해결책은 처음에 연구 분야에서 의미가있는 재 발현을 선택하는 것입니다.

독립적 인 요인에 체중의 기능에 영향을 미치지 때 (예를 들어, 그것은 가능성이 큐브 루트 (그 중 하나입니다 전원) 또는 제곱근 ( (1) / 2 전원) 표시됩니다. 그 무게를 주목되는 볼륨에 대한 좋은 프록시, 큐브 루트 A는 길이 특성 선형 크기를 나타내는 직관적 잠재적 해석 의미이 부여한다 그것을 제곱근 자체가 이러한 명확한 해석은 없지만, 그 근처에있다.. 2 / 3 의 치수를 갖는 전력, 표면적 : 그것은 총 피부 면적에 해당 할 수 있습니다.)1/31/22/3

네 번째 거듭 제곱은 대신 로그 사용을 고려해야하는 로그에 충분히 가까우며 그 의미는 잘 이해됩니다. 그러나 때때로 우리는 입방체 뿌리 또는 제곱근 또는 일부 분 수력이 큰 역할을한다는 것을 실제로 이해하고 명백한 해석이 없습니다. 그런 다음 약간의 산술을 수행해야합니다.

문제에 표시된 회귀 모형에는 종속 변수 ( "수집")와 두 개의 독립 변수 X 1 ( "Fees") 및 X 2 ( "DIR")가 포함됩니다. 그것은YX1X2

Y1/4=β0+β1X1+β2X2+ε.

이 코드는 b 0 = 2.094573355로 , β 1b 1 = 0.000075223으로 , β 2b 2 = 0.000022279로 추정 합니다. 또한 ε 은 평균이 0 인 iid 정규 값으로 가정 하고 공통 분산 (미도시)을 추정합니다. 이 추정치에서 Y 1 / 4적합치β0b0=2.094573355β1b1=0.000075223β2b2=0.000022279εY1/4

Y1/4^=b0+b1X1+b2X2.

회귀 계수의 "통역"은 일반적으로 종속 변수의 변화가 각 독립 변수의 주어진 변화에 의해 제안되는 것을 결정하는 것을 의미합니다. 이러한 변경 유도체는 체인 규칙이 우리에게, 동등한 4 β I Y 3 . 추정값을 입력하고 다음과 같이 말합니다.dY/dXi4βiY3

부에서 변화하는 회귀 추정치 의 변화와 연관 될 Y4 B Y 3 = 4 (B) ( b는 0 + B 1 X 1 + B 2 X 2 ) (3) .XiY4biY^34bi(b0+b1X1+b2X2)3

의 해석에 의존 X 2는 단순히 말로 표현되지X1X2 없이 변형과 상황 달리 (하나의 유닛 변화 X는 의 변화와 관련된 B I 에서 Y ) 또는 로그 (하나 X i 에서의 퍼센트 변화는 Y 에서의 b i 퍼센트 변화 와 관련이있다 ). 그러나 해석의 첫 번째 형태를 유지하고 계산하여 4 b 1 = 4 × 0.000075223 = 0.000301YXibiYXibiY4b14×0.0000752230.000301우리는 다음과 같이 말할 수 있습니다.

수수료의 단위 변경 은 현재 컬렉션 큐브의 배 컬렉션 변경과 관련이 있습니다. 예를 들어, 현재 컬렉션이 10 인 경우 수수료의 단위 증가는 컬렉션 의 0.301 증가와 관련이 있으며 현재 컬렉션이 20 인 경우 동일한 단위의 수수료 증가는 컬렉션 의 2.41 증가와 관련이 있습니다.0.000301100.301202.41


사용 말하자면 - 네번째 이외 뿌리 찍을 때 보다는 응답으로 Y 와 자체 (P)에 간단하게 "모두 외관 교체 - 제로 4 "에 의해 분석이 " 1 / P를 ". YpYp41/p


12

여기서 변형의 대안은 링크 함수 전력 및 전력 1/4을 갖는 일반화 된 선형 모델을 사용하는 것입니다. 사용할 오류 패밀리가 열려 있으므로 선형 회귀 분석과 조건부 정규성 가정보다 유연성이 향상됩니다. 이 절차의 주요 장점 중 하나는 예측이 원래 측정 스케일에서 자동으로 생성되므로 역변환에 대한 의문의 여지가 없다는 것입니다.


4

나는 로그 변화를 피하고 관찰을 버리지 않으면 서 백분율 변화에 대해 생각할 때 quartic root regression coefficient를 사용하는 논문을 보았습니다.

백분율 변화를 계산하기 위해 quartic roots에 관심이 있다면 다음을 알고 있습니다.

Y^=(α+β^1X1+β^2X2)4dY^dX1=4β^1(α+β^1X1+β^2X2)3

YXX

dY^/dX1Y=4β^1α+β^1X1+β^2X2

YX

dY^dX1X1Y^=4β^1X1α+β^1X1+β^2X2

X

Y1/4

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.