我有一个log-log线性函数：
lom1 = lm(log(y)~log(x1)+log(x2),data=mod_dt)
我希望y_hat使用相同的数据集而我做了
yhat = exp(predict(lom1))
结果似乎很多（与我在R中手动计算的y-hat比较）。
任何原因？
第二个相关问题是，我首先在原始数据集mod_dt中添加了三列，用于y，x1和x2的日志转换。比如说，它们被命名为logy，logx1和logx2，然后我运行lm：
lom2 = lm(logy ~ logx1 + logx2, data=mod_dt)
这给出了一组不同的系数。
这可以通过
给出正确的y-hatexp(predict(lom2))
非常感谢提前。
答案 0 :(得分：0)
当估计诸如公式之类的模型时，它会转换为未转换比例的Y~X1 * X2。如果您希望对结果进行更具体的审核，则需要提供检查数据。
答案 1 :(得分：0)
这不完全是答案。只是想分享一些我的意见。线性回归模型假设E（y）= x * beta。如果y由log变换，则变为E（log（y））= x * beta。然而，当我们试图预测y时，通常我们没有exp（E（log（y）））= E（y）