求问，为啥取对数之后结果过于显著，而且系数符号也变了？

求问，就是最简单的回归，
reg y x1 x2 x3.....robust
这一结果做出来x1的系数符号是负的，然后整个结果看上去也没有很显著，算是比较general的结果。

可是y取了对数之后，reg lny x1 x2 x3.....robust
每一个系数都特别特别显著，p=0.000之类，一看就不正常，而且不论加了多少其他的x'，结果都如此，而且x1的估计系数符号也变成正的了。。。
被震惊了。。。check 了raw data，也没有什么异常的地方。
求问有大神遇到过这种情况吗？是为什么呀？
我个人的看法是可能取了对数之后ln y的variance太小，x的variance太大。可是之前也有过这样的case，好像也没有什么特别之处啊。。。。非常感谢！！

因为reg用的是OLS，普通线性回归虽然是最简单的回归，但对于数据的性质要求最高最严格。
因变量直接回归可能导致不显著，取对数之后变的显著，而且系数方向会变化。说明因变量的分布在取对数之后有着明显的变化。
建议你检验一下Y的分布，做个pp图，看一下它的趋势（±0.05）。如果原数据非正态，取对数以后正态分布，那么就说明取对数是有意义的。如果反之，原数据本身Y就是正态分布，那就不需要对数化。问题可能出在模型设置和变量选择上。
我觉得，楼主的问题在理论和实践中经常遇到，而且，越是这种看似简单的模型有的时候陷阱越多。

非常感谢！！
我看了y的分布图，有很多特异值，应该是需要log的，但是log之后，每个x系数的估计结果都如此显著，看着不太正常，很担心会不会是有什么问题啊。。。？btw:我的Y是连续变量，x是离散变量，有可能和这个有关吗？
再次感谢！！

貌似不是很懂，友情帮顶

mooncrystal 发表于 2014-12-21 17:24
非常感谢！！
我看了y的分布图，有很多特异值，应该是需要log的，但是log之后，每个x系数的估计结果都如此 ...

我觉得有可能是因为自变量太少（如果按照问题中给出的三个的话），而且都是分类变量，预测的效度肯定会打折扣。自变量太少的话，如果不考虑嵌套模型或者更多自变量的模型的话，可能会出现遗漏变量的问题。
建议楼主再考虑下模型设置。
另：特异质的相关论述，好像不少教程都涉及，离群值检验和处理
https://bbs.pinggu.org/forum.php? ... amp;from^^uid=4774916
论坛中的帖子~

Alfred_G 发表于 2014-12-22 00:26
我觉得有可能是因为自变量太少（如果按照问题中给出的三个的话），而且都是分类变量，预测的效度肯定会打 ...

嗯嗯，我再去试试看，非常感谢！！

请问楼主最后是怎么解决的啊