机器算法验证 - 带有对数转换变量的逻辑回归，如何确定经济意义 - 吾爱随笔录

我正在使用具有连续自变量和两个对数转换大小变量（总资产和总存款）的逻辑回归模型。

我的问题是如何解释结果并衡量经济影响？我采取的解释的正常步骤如下：我首先对汇总统计量（sum）进行stata测试，然后是逻辑回归（logit），然后是经济意义的边际效应（mfx）。

这些结果可以用句子解释为“（一个自变量）增加一个标准偏差会使参与的概率增加我将边际效应的乘以SD 以获得 % 影响。 $X$ $X\%$ $dy/dx$

到目前为止一切顺利，但我如何用两个 ln(size) 变量解释结果？为了澄清我的问题，我将向您展示部分结果：

sum stat:

             obs       mean       stdD        min         max
lnTCD|      2755   -1.469624    2.992985  -15.01948   4.827369     
lnTA |      2767   -1.131045    2.796627  -16.51857   6.731258

logit res:

           Coeff       stERR       Z      P>Z             95%
lnTCD|   1.088141   .1424768     0.65   0.519     .8418451    1.406494
lnTA |   .7880959    .105272    -1.78   0.075     .6065653    1.023954

Margin eff:

            dy/dx       stERR      Z      P>Z           95%          X
lnTCD|    .0104326      .01619    0.64   0.519  -.021308  .042174  -1.09399
lnTA |   -.0294112       .0165   -1.78   0.075  -.061749  .002926   -.7886

在正常情况下，我会将边际效应 (-0.0294112) 的 lnTA 乘以汇总统计量的标准差 (2.796627)，得到 -8.22%

尽管这适用于其他非对数变量，但直觉上这对于这些 (ln) 变量来说并不正确。