Forms 水平测井回归解释？

如果我想通过OLS估计水平对数回归，我这样做是因为我相信我的x值（独立变量）显示了y值（依赖变量）的边际收益递减

例如，小时数=beta0+beta1*log（工资） 哪里 小时=每周工作小时数 工资=小时工资

然后OLS拟合一条直线。 为了解释我的beta1系数，我将其除以100，表示工资增加1%会对每周工作时间产生XX影响

但是从我估计的β系数来看，既然独立变量是一条线性线，我怎么能看到它对被依赖变量的递减效应呢

在估算之后，我突然看不出如何将这个常数解释为对依赖变量的递减效应

---

这应该已经发布到StackOverflow的统计版本中。 无论如何，我的建议是尝试一下（从基本线性模型开始）：

1） 检查残差图。如果线性模型中没有异方差的迹象，则停止。否则，如果您能在残差（漏斗、正弦或其他）中看到模式，请继续。->E[sigma_i]=i=1..k的σ，其中k=模型尺寸

2） 尝试使用平方模型。在这种情况下，我会：

Y = beta[0]+beta[1]*X+beta[2]*X^2

如果你的想法是正确的，你应该得到一个正贝塔系数[1]和一个负贝塔系数[2]。最有可能是abs（β[1]）>abs（β[2]）。这意味着对于较小的值或X，平方分量（负）的影响将很小甚至没有，而对于较大的值X，负平方分量将非常强。 现在回到1）如果你得到正常的残差，你就完成了

3） 尝试：

Y = beta[0]+beta[1]*log(X)

以及：

Y = beta[0]+beta[1]*log(X^2)

看看哪一个能给你最好的残差

---

你的推理只有一个问题。不再有直线，而是曲线，如关系Y=b*LN（X）所示。因此，对数曲线本身解释了你的“收益递减”。

谢谢你的回答！我现在已经在talk stats上注册了-这就是你想要的，对吗？？