A logaritmizálás mikre jó a statisztikában?

A növekedés ütemének megmutatására is jó.

Például most a koronavírus-járvány esetén az összesetszámra vonatkozólag.

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.

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).