M4-011Medium回归建模 · Regression🔥 大厂高频出现 22 次
在线性回归里,系数怎么解释?如果做了 log 变换呢?
How do you interpret a regression coefficient, including after a log transform?
💡 考场高分一句话答案:
系数是“其他变量不变时,X 增加一单位对 Y 的期望影响”;log-log 模型下系数是弹性。
It is the expected change in Y per one-unit change in X holding others fixed. In log-log specifications the coefficient is an elasticity.
📌 核心考察要点 (Key Points)
- 线性:$\beta$ = X 每增 1 单位,Y 平均变化 $\beta$
- log(Y)~X:X 增 1 单位,Y 变化约 $100\beta\%$(小 $\beta$ 时)
- log(Y)~log(X):$\beta$ 是弹性——X 增 1%,Y 增 $\beta\%$
- Y 为比例:logit 系数需转成 odds ratio $e^{\beta}$,或算边际效应
- Linear: $\beta$ is the change in Y per unit of X
- log(Y) ~ X: X up one unit changes Y by roughly $100\beta$ percent for small $\beta$
- log(Y) ~ log(X): $\beta$ is the elasticity — a 1% rise in X raises Y by $\beta$%
- Proportions: a logit coefficient must be converted to an odds ratio $e^{\beta}$ or to a marginal effect
⚖️ 业务权衡与取舍 (Trade-offs & Calibration)
产品分析里最容易错的是把 logit 系数直接当概率变化。$e^{\beta}=1.5$ 是“odds 增加 50%”,不是“概率增加 50%”。在基率很低时两者接近,基率 30% 以上差异巨大。面试里主动纠正这一点是加分项。
⚠️ 常见高频面试陷阱与避坑指南
- 把 odds ratio 当 risk ratio
- 忽略 log 变换后残差的正态性假设变化
🔍 大厂面试官连环追问 (Follow-ups)
- 如何解释交互项系数?
- 固定效应模型里系数怎么解释?
🎯 关联大厂考题实战训练 (6 题)
嫌字多看太累?进入苏格拉底式对话推演实验室
零打字负担,以大厂考官真实困境切入,通过点选直觉选项暴露思维盲区,手把手推导 Why。
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!