進行迴歸分析時，是先把資料標準化再取對數還是取對數後再標準化

1樓：匿名使用者

就回歸分析而言，標準化不是必要的，因為標準化是資料的線性變換，不影響估計的顯著性。

計量模型一般不進行標準化，保持變數的原汁原味，方便估計結果的解釋。多元統計裡經常要標準化，如主成份分析，因子分析等。

對數變換的主要目的：（1）估計的係數可以解釋成彈性，一般用在經濟學模型裡；（2）可以降低樣本異方差程度；（3）減少變數的波動，與其他變數的波動水平相適應。

對數變換要求原始變數為正，如果先標準化可能會出現負值，對數變換就不行了。只能對正取值的變數先取對數，再標準化。

spss 迴歸分析中自變數取了自然對數還用在標準化嗎

2樓：天刃士

這個問題問得有點奇怪，因為取對數本來就是一種標準化的手段，但是這又要看你自變數的原始資料分佈呈現什麼形態了。如果是非常嚴重的正向偏態分佈或者負向偏態分佈才需要取自然對數或者反射自然對數，如果是其他形態的分佈則要採取其他手段。

因此，是否標準化和怎麼樣標準化得看你的原始資料的分佈圖。然而，很多資料在標準化以後仍然呈非正態分佈，這很正常，但是不能進一步再去標準化了，否則偏離太大到時候無法解釋清楚了。

3樓：匿名使用者

標準化和對數，沒任何關係的

我經常幫別人做這類的資料分析的

對資料進行標準化再統計迴歸之後所得模型的**是把處理後的資料代入還是把處理前的代入？

4樓：中國人看好中國

根據你對題目的描述，自變數應該是時間，因變數是經歷了對數差分標準化的資料，如果是這樣的話，進行**只需要輸入時間，對輸出的因變數資料進行逆標準化，一步步倒回去，得到實際值

stata做面板迴歸需要將資料標準化嗎

5樓：匿名使用者

要比較不同係數間的差別，用標準化消除量綱後比較為好。個人覺得取對數和標準化都是減緩資料波動的方法，不建議取對數再標準化，建議直接使用標準化資料。

做逐步迴歸時資料需要取對數嗎

6樓：

如果資料數值比較龐大，與其他相關的變數很難比較方便地看出關係，可以通過取對數對數值較大的資料進行平滑。巨集觀計量經濟分析中較常用。

如果變數關係x和y本身不是線性關係，比如y=x1*x2 就取對數取完對數好做線性迴歸。再比如原來是y=x^2 也取對數好做線性迴歸。不知道對不對，還請大師們指出錯誤和不足吧。

總之一句話如果有足夠的證據表明 y和x的關係比較像y=x1*x2/x3這種或者說比如形式如經濟學裡面的「萬有引力定律」，那麼我們就取對數為了方便線性迴歸。

迴歸分析中x,y取對數後再回歸，迴歸係數的意義要怎麼解釋？ 5

7樓：匿名使用者

要用專用意**釋，不是都能這麼做對數的

8樓：匿名使用者

係數的意義就是x的變動一個百分點，y變動的百分比。

急問！spss主成分迴歸分析後，要把標準化後的資料還原用來求原方程式，怎麼求啊！？ 20

9樓：之何勿思

用得到的print值做因變數，用原始資料做自變數。然後線性迴歸，所得到的迴歸係數就是線性組合的係數，然後做的迴歸相當於一個線性方程組，然後就可以還原成主成分迴歸方程了。

logistic迴歸主要分為三類，一種是因變數為二分類得logistic迴歸，這種迴歸叫做二項logistic迴歸，一種是因變數為無序多分類得logistic迴歸，比如傾向於選擇哪種產品，這種迴歸叫做多項logistic迴歸。

還有一種是因變數為有序多分類的logistic迴歸，比如病重的程度是高，中，低呀等等，這種迴歸也叫累積logistic迴歸，或者序次logistic迴歸。

10樓：匿名使用者

不會做就讓人幫你做吧

我經常幫別人做這類的資料分析