ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ 1 Эта последовательность вводит полулогарифмическую презентация, доклад

Слайд 1ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
1
Эта последовательность вводит полулогарифмическую модель и показывает, как она

может применяться к прибыли. Зависимая переменная является линейной, но объясняющие

переменные, умноженные на их коэффициенты, являются показателями e.

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ1Эта последовательность вводит полулогарифмическую модель и показывает, как она может применяться к прибыли. Зависимая переменная является

Слайд 22
Дифференциал Y по X упрощается до b2Y.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 33
Следовательно, пропорциональное изменение Y на единицу изменения в X равно

b2. Поэтому он не зависит от значения X.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

3Следовательно, пропорциональное изменение Y на единицу изменения в X равно b2. Поэтому он не зависит от значения

Слайд 44
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 55
Предположим, что X увеличивается на величину DX и, как следствие,

Y увеличивается на величину DY.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 66
Мы можем переписать правую часть уравнения, как показано.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 77
Мы можем упростить правую часть уравнения, как показано.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 88
Теперь разложим показательную функцию, используя стандартное выражение для е до

некоторой степени.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 99
Вычитаем Y с обеих сторон.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 1010
Рассмотрим теперь два случая: где b2 и DX настолько малы,

что (b2 DX)2 пренебрежимо мало, и альтернативно.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
negligible

10Рассмотрим теперь два случая: где b2 и DX настолько малы, что (b2 DX)2 пренебрежимо мало, и альтернативно.ПОЛУЛОГАРИФМИЧЕСКИЕ

Слайд 1111
Если (b2 DX)2 пренебрежимо мало, мы получаем ту же интерпретацию

b2 что и следовало ожидать.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
negligible

Слайд 1212
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
Если (b2 DX)2 не является пренебрежимо малым, пропорциональное изменение

в Y при изменении DX в X имеет дополнительный член

(Предположим, что b2 и DX достаточно малы, что с более высокими степенями DX можно пренебречь.)

not negligible

12ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИЕсли (b2 DX)2 не является пренебрежимо малым, пропорциональное изменение в Y при изменении DX в X

Слайд 1313
Обычно мы говорим о влиянии изменения одной части переменной X.

Если DX = 1, пропорциональное изменение происходит в Y ,

как показано. Теперь значение b2 становится настолько малым, что вторым и последующим значениями можно пренебречь.

if DX is one unit

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

not negligible

13Обычно мы говорим о влиянии изменения одной части переменной X. Если DX = 1, пропорциональное изменение происходит

Слайд 1414
b1 является значением Y когда X равно нулю (заметим, что

e0 равно 1).
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 1515
Чтобы соответствовать функции этого типа, вы берете логарифмы с обеих

сторон. Правая часть уравнения становится линейной функцией от X (заметим,

что логарифм e на основание e равен 1). Следовательно, мы можем поместить модель с линейной регрессией log Y на X.

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

15Чтобы соответствовать функции этого типа, вы берете логарифмы с обеих сторон. Правая часть уравнения становится линейной функцией

Слайд 16Ниже приведен регрессионный результат регрессии уравнения заработной платы с использованием

набора данных 21(Data Set 21). Оценка равна 0,066.

В качестве оценки это означает, что дополнительный год обучения увеличивается почасовой заработок на долю 0,066.

16

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

b2

Ниже приведен регрессионный результат регрессии уравнения заработной платы с использованием набора данных 21(Data Set 21). Оценка

Слайд 17В повседневном языке более естественно говорить о процентах, а не

о пропорциях, поэтому мы умножаем коэффициент на 100. Это означает,

что дополнительный год обучения увеличивает почасовые доходы на 6,6%.

17

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

В повседневном языке более естественно говорить о процентах, а не о пропорциях, поэтому мы умножаем коэффициент на

Слайд 18 Если учесть тот факт, что год обучения является значительным изменением

и точно работает, пропорциональное увеличение составляет 0,068, а процентное увеличение

-на 6,8%.

18

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

Если DX=1, то

not negligible

Если учесть тот факт, что год обучения является значительным изменением и точно работает, пропорциональное увеличение составляет

Слайд 1919
В общем случае, если единичное изменение в X действительно значимо,

оценка b2 будет мала, и ее можно интерпретировать непосредственно как

оценку пропорционального изменения Y на единичное изменение в X.

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

Если DX=1, то

not negligible

19В общем случае, если единичное изменение в X действительно значимо, оценка b2 будет мала, и ее можно

Слайд 2020
Однако, если изменение единицы в X не мало, коэффициент может

быть большим, а второй член может быть незначительным. В данном

случае год обучения не является значительным, но ясно, что уточнение делает лишь небольшую разницу.

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

Если DX=1, то

not negligible

20Однако, если изменение единицы в X не мало, коэффициент может быть большим, а второй член может быть

Слайд 2121
В общем случае, когда b2 меньше 0.1, there is little

to be gained by working out the effect exactly.
В общем

случае, когда b2 меньше 0,1, мало что можно получить, разработав эффект точно.

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

If DX is one unit,

not negligible

21В общем случае, когда b2 меньше 0.1, there is little to be gained by working out the

Слайд 22Константа в регрессии представляет собой возможное значение log b1. Из

него получаем возможное значение b1 равную e1.836, что равно 6.27.
22
ПОЛУЛОГАРИФМИЧЕСКИЕ

МОДЕЛИ

. reg LGEARN S

Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 140.05
Model | 38.5643833 1 38.5643833 Prob > F = 0.0000
Residual | 148.14326 538 .275359219 R-squared = 0.2065
-------------+------------------------------ Adj R-squared = 0.2051
Total | 186.707643 539 .34639637 Root MSE = .52475

------------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | .1096934 .0092691 11.83 0.000 .0914853 .1279014
_cons | 1.292241 .1287252 10.04 0.000 1.039376 1.545107
------------------------------------------------------------------------------

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

Константа в регрессии представляет собой возможное значение log b1. Из него получаем возможное значение b1 равную e1.836,

Слайд 2323
В буквальном смысле это означает, что человек без образования зарабатывает

6,27 долл. США в час. Тем не менее это опасно

экстраполировать так далеко от диапазона, для которого у нас есть данные.

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

. reg LGEARN S

Source | SS df MS Number of obs = 540
-------------+------------------------------ F( 1, 538) = 140.05
Model | 38.5643833 1 38.5643833 Prob > F = 0.0000
Residual | 148.14326 538 .275359219 R-squared = 0.2065
-------------+------------------------------ Adj R-squared = 0.2051
Total | 186.707643 539 .34639637 Root MSE = .52475

------------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+----------------------------------------------------------------
S | .1096934 .0092691 11.83 0.000 .0914853 .1279014
_cons | 1.292241 .1287252 10.04 0.000 1.039376 1.545107
------------------------------------------------------------------------------

. reg LGEARN S
----------------------------------------------------------------------------
Source | SS df MS Number of obs = 500
-----------+------------------------------ F( 1, 498) = 60.71
Model | 16.5822819 1 16.5822819 Prob > F = 0.0000
Residual | 136.016938 498 .273126381 R-squared = 0.1087
-----------+------------------------------ Adj R-squared = 0.1069
Total | 152.59922 499 .30581006 Root MSE = .52261
----------------------------------------------------------------------------
LGEARN | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-----------+----------------------------------------------------------------
S | .0664621 .0085297 7.79 0.000 .0497034 .0832207
_cons | 1.83624 .1289384 14.24 0.000 1.58291 2.089571
----------------------------------------------------------------------------

23В буквальном смысле это означает, что человек без образования зарабатывает 6,27 долл. США в час. Тем не

Слайд 24Диаграмма рассеивания с полулогарифмической регрессией.
24
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 25Полулогарифмическая линия регрессии, построенная на диаграмме рассеивания с нетрансформированными данными,

с приведенной для сравнения линейной регрессией.
25
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Полулогарифмическая линия регрессии, построенная на диаграмме рассеивания с нетрансформированными данными, с приведенной для сравнения линейной регрессией.25ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 2626
Нет большой разницы в подходе регрессионных линий, но полулогарифмическая регрессия

более удовлетворительна в двух отношениях.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

26 Нет большой разницы в подходе регрессионных линий, но полулогарифмическая регрессия более удовлетворительна в двух отношениях.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 2727
Линейная спецификация предсказывает, что ежечасная заработная плата будет увеличиваться на

фиксированную сумму, 1,27 доллара США, с каждым дополнительным годом обучения.

Это неправдоподобно для высокого уровня образования. Полулогарифмическая спецификация позволяет увеличить прирост с уровнем образования.

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

27Линейная спецификация предсказывает, что ежечасная заработная плата будет увеличиваться на фиксированную сумму, 1,27 доллара США, с каждым

Слайд 2828
Во-вторых, линейная спецификация предсказывает очень низкие доходы для человека без

обучения. Полулогарифмическая спецификация предсказывает почасовой заработок в размере 6,27 доллара.
ПОЛУЛОГАРИФМИЧЕСКИЕ

МОДЕЛИ

28Во-вторых, линейная спецификация предсказывает очень низкие доходы для человека без обучения. Полулогарифмическая спецификация предсказывает почасовой заработок в

Разделы презентаций

ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ 1 Эта последовательность вводит полулогарифмическую

Содержание

Слайды и текст этой презентации

Слайд 1ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ1Эта последовательность вводит полулогарифмическую модель и показывает, как она

может применяться к прибыли. Зависимая переменная является линейной, но объясняющие

Слайд 22Дифференциал Y по X упрощается до b2Y.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 33Следовательно, пропорциональное изменение Y на единицу изменения в X равно

b2. Поэтому он не зависит от значения X.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 44ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 55Предположим, что X увеличивается на величину DX и, как следствие,

Y увеличивается на величину DY.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 66 Мы можем переписать правую часть уравнения, как показано.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 77Мы можем упростить правую часть уравнения, как показано.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 88Теперь разложим показательную функцию, используя стандартное выражение для е до

некоторой степени.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 99Вычитаем Y с обеих сторон.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 1010Рассмотрим теперь два случая: где b2 и DX настолько малы,

что (b2 DX)2 пренебрежимо мало, и альтернативно.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИnegligible

Слайд 1111Если (b2 DX)2 пренебрежимо мало, мы получаем ту же интерпретацию

b2 что и следовало ожидать.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИnegligible

Слайд 1212ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИЕсли (b2 DX)2 не является пренебрежимо малым, пропорциональное изменение

в Y при изменении DX в X имеет дополнительный член

Слайд 1313Обычно мы говорим о влиянии изменения одной части переменной X.

Если DX = 1, пропорциональное изменение происходит в Y ,

Слайд 1414b1 является значением Y когда X равно нулю (заметим, что

e0 равно 1).ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 1515Чтобы соответствовать функции этого типа, вы берете логарифмы с обеих

сторон. Правая часть уравнения становится линейной функцией от X (заметим,

Слайд 16Ниже приведен регрессионный результат регрессии уравнения заработной платы с использованием

набора данных 21(Data Set 21). Оценка равна 0,066.

Слайд 17В повседневном языке более естественно говорить о процентах, а не

о пропорциях, поэтому мы умножаем коэффициент на 100. Это означает,

Слайд 18 Если учесть тот факт, что год обучения является значительным изменением

и точно работает, пропорциональное увеличение составляет 0,068, а процентное увеличение

Слайд 1919В общем случае, если единичное изменение в X действительно значимо,

оценка b2 будет мала, и ее можно интерпретировать непосредственно как

Слайд 2020Однако, если изменение единицы в X не мало, коэффициент может

быть большим, а второй член может быть незначительным. В данном

Слайд 2121В общем случае, когда b2 меньше 0.1, there is little

to be gained by working out the effect exactly.В общем

Слайд 22Константа в регрессии представляет собой возможное значение log b1. Из

него получаем возможное значение b1 равную e1.836, что равно 6.27.22ПОЛУЛОГАРИФМИЧЕСКИЕ

Слайд 2323В буквальном смысле это означает, что человек без образования зарабатывает

6,27 долл. США в час. Тем не менее это опасно

Слайд 24Диаграмма рассеивания с полулогарифмической регрессией.24ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 25Полулогарифмическая линия регрессии, построенная на диаграмме рассеивания с нетрансформированными данными,

с приведенной для сравнения линейной регрессией.25ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 2626 Нет большой разницы в подходе регрессионных линий, но полулогарифмическая регрессия

более удовлетворительна в двух отношениях.ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 2727Линейная спецификация предсказывает, что ежечасная заработная плата будет увеличиваться на

фиксированную сумму, 1,27 доллара США, с каждым дополнительным годом обучения.

Слайд 2828Во-вторых, линейная спецификация предсказывает очень низкие доходы для человека без

обучения. Полулогарифмическая спецификация предсказывает почасовой заработок в размере 6,27 доллара.ПОЛУЛОГАРИФМИЧЕСКИЕ

Похожие презентации

Обратная связь

Что такое TheSlide.ru?

Слайд 1ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
1
Эта последовательность вводит полулогарифмическую модель и показывает, как она

Слайд 22
Дифференциал Y по X упрощается до b2Y.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 33
Следовательно, пропорциональное изменение Y на единицу изменения в X равно

b2. Поэтому он не зависит от значения X.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 44
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 55
Предположим, что X увеличивается на величину DX и, как следствие,

Y увеличивается на величину DY.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 66
Мы можем переписать правую часть уравнения, как показано.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 77
Мы можем упростить правую часть уравнения, как показано.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 88
Теперь разложим показательную функцию, используя стандартное выражение для е до

некоторой степени.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 99
Вычитаем Y с обеих сторон.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 1010
Рассмотрим теперь два случая: где b2 и DX настолько малы,

что (b2 DX)2 пренебрежимо мало, и альтернативно.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
negligible

Слайд 1111
Если (b2 DX)2 пренебрежимо мало, мы получаем ту же интерпретацию

b2 что и следовало ожидать.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
negligible

Слайд 1212
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ
Если (b2 DX)2 не является пренебрежимо малым, пропорциональное изменение

Слайд 1313
Обычно мы говорим о влиянии изменения одной части переменной X.

Слайд 1414
b1 является значением Y когда X равно нулю (заметим, что

e0 равно 1).
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 1515
Чтобы соответствовать функции этого типа, вы берете логарифмы с обеих

Слайд 1919
В общем случае, если единичное изменение в X действительно значимо,

Слайд 2020
Однако, если изменение единицы в X не мало, коэффициент может

Слайд 2121
В общем случае, когда b2 меньше 0.1, there is little

to be gained by working out the effect exactly.
В общем

него получаем возможное значение b1 равную e1.836, что равно 6.27.
22
ПОЛУЛОГАРИФМИЧЕСКИЕ

Слайд 2323
В буквальном смысле это означает, что человек без образования зарабатывает

Слайд 24Диаграмма рассеивания с полулогарифмической регрессией.
24
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

с приведенной для сравнения линейной регрессией.
25
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 2626
Нет большой разницы в подходе регрессионных линий, но полулогарифмическая регрессия

более удовлетворительна в двух отношениях.
ПОЛУЛОГАРИФМИЧЕСКИЕ МОДЕЛИ

Слайд 2727
Линейная спецификация предсказывает, что ежечасная заработная плата будет увеличиваться на

Слайд 2828
Во-вторых, линейная спецификация предсказывает очень низкие доходы для человека без

обучения. Полулогарифмическая спецификация предсказывает почасовой заработок в размере 6,27 доллара.
ПОЛУЛОГАРИФМИЧЕСКИЕ