Kezdőoldal » Közoktatás, tanfolyamok » Magyar iskolák » A logaritmizálás mikre jó a...

A logaritmizálás mikre jó a statisztikában?

Figyelt kérdés

Regressziós modelleket tanulok, STATA-ban.

Elvileg a túl nagy változókat lehozza, ha az ln-jét vesszük.

Viszont nullára és negatív számokra nem értelmezhető.


Eddig azt tudom, hogy jobban megmutatja a kauzális kapcsolatokat a magyarázó-és eredményváltozók között.


Másvalamit esetleg?



2020. dec. 27. 13:03
 1/5 anonim ***** válasza:
89%
A maximum likelihood-módszernél gyakran alkalmazzák, mert általában könnyebb a logaritmizált függvényt (log-likelihood-függvényt) deriválni, és ezáltal könnyebb a szélsőértékeit megkeresni. Tehát általában praktikus okai vannak (ahogy írtad is), így sokszor egyszerűsödik a számolás.
2020. dec. 27. 13:14
Hasznos számodra ez a válasz?
 2/5 anonim ***** válasza:
89%

A növekedés ütemének megmutatására is jó.

Például most a koronavírus-járvány esetén az összesetszámra vonatkozólag.

2020. dec. 27. 13:21
Hasznos számodra ez a válasz?
 3/5 anonim ***** válasza:
91%

1) A kauzalis kapcsolatokat nem mutatja meg jobban.

A regresszio attol, hogy az y (dependent) valtozo (vagy az x valtozok) log-transzfolmalva van meg szenvedhet endogenitastol:

Peldaul:

kereset = a + b*iskolazottsag + e

(iskolazottsag = oktatasban eltoltott evek szama)


--> egy tipikus kihagyott valtozo (omitted variable) az intelligencia/jo kepesseg. A jo kepesseg pozitivan hat a keresetre, es a jo kepessegu embereknek magasabb az iskolazottsaga -> a kihagyott valtozo torzitasa (omitted variable bias) pozitiv lesz = a becsult "b" tul nagy lesz.


Ezen nem valtoztat ha a model:

ln(kereset) = a + b*iskolazottsag + u


2) A model ertelemzese mas ha az y (vagy x) valtozok log-transzormalva vannak, szazalekos valtozast mutat igy a becsult "b" [ez az egyik fo oka, hogy miert hasznalunk log-ot]

ln(kereset) = a + b*iskolazottsag + u

Ertelmezes: ha az iskolazottsag 1 egyseggel no (+1 ev oktatas), akkor a kereset b*100%-al no. (ha nem lenne log-transzformalva a kereset, akkor +1 ev oktatas -> a kereset b-vel no)


3) A szelsoseges ertekek (outliers) kevesebe befolyasoljak a becsult koefficienseket ha log-transzformaciot alkalmazunk.

2020. dec. 27. 13:29
Hasznos számodra ez a válasz?
 4/5 anonim ***** válasza:
91%

Ezt erdemes atolvasni: [link]


+ Ahogyna irod: nullara es negativ szamokra nem alkalmazhato, ez egy hatranya

Illetve elofordulhat, hogy y es log(y) modellek mas elojelu b-t adnak (pl. a sima modellben az iskolazottsag noveli a keresetet, a log modellben csokkenti).

2020. dec. 27. 13:33
Hasznos számodra ez a válasz?
 5/5 anonim ***** válasza:
77%
Ábrázolásra például. Ha szimplán ábrázolsz valamit, lehet, hogy a nagyon nagy értékeket látni fogod, de a kicsiket nem tudod. Ha logaritmus skálába vezeted át akkor jobb az ábrázolási módszer. Ugyanez van az elektronikában is.
2020. dec. 27. 18:20
Hasznos számodra ez a válasz?

További kérdések:




Minden jog fenntartva © 2024, www.gyakorikerdesek.hu
GYIK | Szabályzat | Jogi nyilatkozat | Adatvédelem | Cookie beállítások | WebMinute Kft. | Facebook | Kapcsolat: info(kukac)gyakorikerdesek.hu

A weboldalon megjelenő anyagok nem minősülnek szerkesztői tartalomnak, előzetes ellenőrzésen nem esnek át, az üzemeltető véleményét nem tükrözik.
Ha kifogással szeretne élni valamely tartalommal kapcsolatban, kérjük jelezze e-mailes elérhetőségünkön!

Adataid védelme fontos számunkra!

Mint a weboldalak többsége az interneten, honlapunk működéséhez és célzott hirdetések megjelenítéséhez mi és hirdetési partnereink is cookie-kat tárolunk az általad használt eszközön. Ahhoz, hogy ezt megtehessük, a hozzájárulásod szükséges. Erről az adatvédelmi tájékoztatónkban részletes információkhoz juthatsz, illetve bizonyos cookie-k használatával kapcsolatban további lehetőségeid vannak.