我有兴趣了解（1）对logit转换变量的线性回归与0和1之间的值和（2）beta回归之间的解释差异，其中0和1之间的值未转换。

我正在阅读以下有关使用 beta 回归的论文：

https://cran.r-project.org/web/packages/betareg/vignettes/betareg.pdf

具体来说，如果我采用我拥有的百分比结果变量并且（1）使用 logit 转换并使用正常模型或（2）使用 beta 回归，我试图弄清楚我对结果的解释将如何不同。这就是作者对此事的看法：

“应该如何执行回归分析，其中因变量（或响应变量）y 假设标准单位区间 (0, 1) 中的值？通常的做法是转换数据，以便转换后的响应，假设 y 假设实线中的值，然后应用标准线性回归分析。常用的转换是 logit，y = log(y/(1 - y))。但是，这种方法有缺点。首先，回归参数可以用 y 的均值来解释，而不是 y 的均值（给定 Jensen 不等式）。”

有人可以在这里给我对作者观点的技术性较低的解释吗？我不太确定 Jensen 的不等式是什么或为什么它适用于此。

这是另一篇提出类似观点的论文：

https://onlinelibrary.wiley.com/doi/pdf/10.1002/sim.6179

他们说：

“[5] 中的逻辑正态模型假设 logit 转换比例响应的正态分布，可以提供一个计算方便的框架，但它存在解释问题，因为响应的期望值不是一个简单的 logit 函数协变量。”

我认为这句话可能是指第一个中确定的问题，但我仍然不太了解如何。

此问题问题已关闭。请参阅第一个响应的评论以获取答案。