Visreg 将 log-log 绘制为日志级别答案

【问题标题】：Visreg Plotting log-log as log-levelVisreg 将 log-log 绘制为日志级别
【发布时间】：2021-11-28 14:42:12
【问题描述】：

我想使用一个数据集对花费在点击链接上的资金进行回归，我注意到在花费一定金额后链接点击趋于平稳。我想使用对数转换来更好地拟合这个平衡数据。

我的数据集如下所示：

link.clicks
[1]  34  60  54  49  63 100

MoneySpent
[1]  10.97  21.81  20.64  21.42  48.03 127.30

我想预测 MoneySpent 增加 1 美元后 link.clicks 的百分比变化。我的回归模型是：

regClicksLogLevel <- lm(log(link.clicks) ~ (MoneySpent), data = TwtrData)
summary(regClicksLogLevel)
visreg(regClicksLogLevel)

但是，visreg 生成的图形如下所示： [1]：https://i.stack.imgur.com/eZqVG.png

当我将回归更改为：

regClicksLogLog <- lm(log(link.clicks) ~ log(MoneySpent), data = TwtrData)
summary(regClicksLogLog)
visreg(regClicksLogLog)

我实际上得到了我正在寻找的拟合线： [2]：https://i.stack.imgur.com/MexwC.png

我很困惑，因为我不想根据 MoneySpent 的百分比变化来预测 link.clicks 的百分比变化。

我试图根据MoneySpent 的 $ 单位变化来预测 link.clicks 的百分比变化。

为什么我不能使用我的第一个回归生成第二个图表，regClicksLogLevel？

【问题讨论】：

标签： r regression transformation logarithm visreg

【解决方案1】：

我猜这就是你要找的东西

library(tidyverse)

TwtrData = tibble(
  link.clicks = c(34,60,54,49,63,100),
  MoneySpent = c(10.97,21.81,20.64,21.42,48.03,127.30)
) %>% mutate(
  perc.link.clicks = lag(link.clicks, default = 0)/link.clicks,
  perc.MoneySpent = lag(MoneySpent, default = 0)/MoneySpent
)

regClicksLogLevel <- lm(perc.link.clicks ~ perc.MoneySpent, data = TwtrData)
summary(regClicksLogLevel)

输出

Call:
lm(formula = perc.link.clicks ~ perc.MoneySpent, data = TwtrData)

Residuals:
         1          2          3          4          5          6 
-0.1422261 -0.0766939 -0.0839233 -0.0002346  0.1912170  0.1118608 

Coefficients:
                Estimate Std. Error t value Pr(>|t|)   
(Intercept)       0.1422     0.1082   1.315  0.25890   
perc.MoneySpent   0.9963     0.1631   6.109  0.00363 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.1434 on 4 degrees of freedom
Multiple R-squared:  0.9032,    Adjusted R-squared:  0.879 
F-statistic: 37.32 on 1 and 4 DF,  p-value: 0.003635

这是图表

TwtrData %>% ggplot(aes(perc.MoneySpent, perc.link.clicks))+
  geom_line()+
  geom_smooth(method='lm',formula= y~x)+
  scale_y_continuous(labels = scales::percent)+
  scale_x_continuous(labels = scales::percent)

【讨论】：