sangli_wodeai2019-04-05對取對數以後的資料進行線性迴歸，其前面的引數表示的就是百分比變化率（dlnx=dx/x），也就是彈性，這是一個很好的性質哦。
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？謝謝。。我來回答
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。
在統計學中為什麼要對變數取對數我來回答
（1）減弱模型中資料的異方差性，只能是減弱，並不能徹底消除
（2）模型形式的需要，利用線性迴歸模型的前提是解釋變數和被解釋變數之間的線性關係，但是在實際中這一點很難滿足，很多的時候需要對多個變數或者是單一變數做對數變換，讓模型的形式變為線性
（3）取對數，再配合差分變化，把絕對數變成相對數，這樣，資料更能表示變動的相關性。
（4）對取對數以後的經濟資料進行線性迴歸，其前面的引數表示的就是百分比變化率（dlnx=dx/x），也就是彈性
（5）有時候變數不符合正態分佈的假定，取了對數可以漸近正態分佈
等等。
計量模型中變數是比例形式，取對數還有意義嗎 我來回答
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，可以透過取對數對數值較大的資料進行平滑。宏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。
做迴歸分析時，什麼時候要取對數，什麼時候不取對數我來回答
變數不符合正態分佈，可以考慮對數
在統計學中為什麼要對變數取對數我來回答
我能想到的有兩點
作用1： 對有些存在異常大的觀測值的變數，取對數可以減小方差
作用2： 對只有取正值才有意義的變數，例如重量，如果直接進行線性迴歸，那麼可能產生沒有意義的負的預測值，所以有時會考慮對對數值進行迴歸分析而不是原始的觀測值，這樣就不會產生沒有意義的預測值。
在對變數取對數後，變數的變化變成了百分比，為什麼？我來回答
有很多原因啊。（1）減弱模型中資料的異方差性，只能是減弱，並不能徹底消除（2）模型形式的需要，利用線性迴歸模型的前提是解釋變數和被解釋變數之間的線性關係，但是在實際中這一點很難滿足，很多的時候需要對多個變數或者是單一變數做對數變換，讓模型的形式變為線性（3）取對數，再配合差分變化，把絕對數變成相對數，這樣，資料更能表示變動的相關性。（4）對取對數以後的經濟資料進行線性迴歸，其前面的引數表示的就是百分比變化率（dlnx=dx/x），也就是彈性（5）有時候變數不符合正態分佈的假定，取了對數可以漸近正態分佈………………
stata什麼時候取對數我來回答
序列分析中，常常還有會序列相關的問題，這樣直接進行引數估計，估計量是無效的，取對數可以有效的改善自相關的問題，
有時候用來降冪，把非線性的變換為線性、
還有就是做宏觀經濟分析，引數過大，取對數，把值變小，提高顯著水平。
取對數是一種常用方法，宏觀經濟分析中做時間序列的主要是出於第一種和第三種問題。可以說是一種萬金油的方法，對自相關、異方等常見問題都有效，但不是絕對的解決
