如何解释目标变量的对数变换后的线性回归结果？

Question

我用Python建立了Liear回归模型，我有目标变量，例如Sales: 10、9、8。我决定记录我的目标变量：df["Sales"] = np.log(df["Sales"])，所以我有np3、2、1的值。

我的问题是，当我知道我的目标是日志时，我如何解释这个模型的结果？因为目前我有解释，例如:如果有夜间销售平均下降1.333，但可能是糟糕的解释，因为没有目标的日志，我将有一定的更高的量化，例如，如果有夜间销售下降平均数，例如2589。

那么，如何解释目标对数后线性回归的结果呢？因为日志目标有很低的值吗？

Answer 1

您的转换被称为“日志级”回归。也就是说，您的目标变量是日志转换的，并且您的自变量被保留在它们的正常范围内。

该模式应解释如下：

平均而言，X_i的微小变化将导致100 * B_i %的变化。

请注意，如果您转换了任何自变量，解释也会发生变化。例如，如果您将X_i更改为np.log(df['X_i]，则, then you would interpret B_i`作为日志日志转换。

您可以找到一个方便的备忘单，以帮助您记住如何解释模型这里。