Modelo de log log
Instruções: Use esta calculadora para estimar um modelo de regressão log-log, mostrando todas as etapas. Digite ou cole os dados para as variáveis X e Y na planilha abaixo:
Mais sobre o modelo log-log
Esta calculadora permitirá que você calcule um modelo de regressão log-log para dados que você fornecer. Esses dados precisam de um reflexo adequado de um modelo log-log, no qual precisa haver um grau linear razoável de associação entre ln(X) e ln(Y).
Depois de fornecer dados válidos, que neste caso significam dados positivos para X e Y, você terá que clicar no botão "Calcular" para começar e poder ver todas as etapas do processo.
O modelo log-log tem fortes aplicações práticas, especialmente no campo da Economia, em que é usado para calcular elasticidades .

O que é o modelo log-log?
O modelo log-log, como o nome pode sugerir, é um modelo no qual exibe um grau significativo de associação linear com . Com base neste fato, se tornar apropriado calcular um modelo de regressão para esses dados de transformação, então procuramos os coeficientes de regressão e para estimar
Então, uma calculadora de um modelo log-log se reduz a um cálculo de um modelo de regressão regular para os dados transformados e .
Etapas para estimar um modelo log-log
- Passo 1: Identifique claramente as variáveis X e Y. Certifique-se de que elas tenham o mesmo tamanho de amostra e que AMBAS sejam positivas, caso contrário, você não poderá executar um modelo log-log
- Passo 2: Transforme os dados originais X e Y nos auxiliares ln(X) e ln(x)
- Etapa 3: Use uma equação de modelo de regressão regular, onde você calcula o declive e interceptação y para seus dados transformados em log ln(X) e ln(Y)
Depois de estimar os coeficientes de regressão correspondentes, você pode escrever a equação , que pode deixar como está ou transformá-la como:
Interpretação do modelo log-log
Como podemos interpretar os coeficientes encontrados de uma forma como fizemos com a regressão usual de um ponto de vista de mudança marginal? Para um problema de regressão típico, você tem o coeficiente de inclinação que pode ser interpretado como o aumento médio na variável Y quando a variável X é aumentada em uma unidade.
Em um modelo log-log, não funciona bem assim, mas tem uma interpretação marginal similar. Na verdade, em um modelo , podemos interpretá-lo da seguinte forma:
Um aumento de 1% em X traz um aumento médio em Y de b% . Naturalmente, se , isso corresponde a uma diminuição.
Por que usamos esse tipo de modelo
Uma razão muito poderosa é que ela tem forte aplicação em Economia. A ideia de que a elasticidade-preço da demanda é simplesmente encontrada ao calcular o coeficiente de inclinação de um modelo log-log a torna relevante o suficiente para considerá-la.
Além disso, a ideia de uma mudança marginal relativa tem muitas outras aplicações na Teoria da Utilidade em Economia, tornando-a um modelo extremamente prático e aplicável.

Exemplo de cálculo de regressão log-log
Considere os seguintes dados para X e Y:
X: 1, 2, 3, 4, 5, 6, 7
Y: 10, 11,1, 13, 15,6, 16,8, 20, 22,4
Estime o modelo log-log correspondente e apresente um gráfico de dispersão adequado
Solução:
que conclui o cálculo.
Mais calculadoras de regressão
Você precisará avaliar se tem um coeficiente de correlação significativo entre ln(X) e ln(Y) antes de executar o modelo. Também é uma boa ideia faça um gráfico de dispersão dos dados para ver se são consistentes com o que se espera de uma associação log-log.
Muitas vezes, há apenas um nível sutil de curvatura, e os dados mostrarão um padrão quase plano, o que também é consistente com um modelo de regressão tradicional, mas também pode ser um modelo de regressão de potência com coeficientes muito pequenos.