La mejor solución es, de entrada, elegir una reexpresión que tenga un significado en el campo de estudio.
(Por ejemplo, cuando se hace una regresión de los pesos corporales frente a factores independientes, es probable que una raíz cúbica ( $1/3$ potencia) o raíz cuadrada ( $1/2$ potencia) se indicará. Teniendo en cuenta que el peso es un buen indicador del volumen, la raíz cúbica es un longitud que representa un tamaño lineal característico. Esto lo dota de un significado intuitivo y potencialmente interpretable. Aunque la raíz cuadrada en sí misma no tiene una interpretación tan clara, se acerca a la $2/3$ poder, que tiene unas dimensiones de superficie (puede corresponder a la superficie total de la piel).
La cuarta potencia está lo suficientemente cerca del logaritmo como para considerar el uso del logaritmo en su lugar , cuyos significados se entienden bien. Pero a veces nos encontramos con que una raíz cúbica o cuadrada o alguna potencia fraccionaria de este tipo hace un gran trabajo y no tiene una interpretación obvia. Entonces, debemos hacer un poco de aritmética.
El modelo de regresión que se muestra en la pregunta implica una variable dependiente $Y$ ("Colecciones") y dos variables independientes $X_1$ ("Tasas") y $X_2$ ("DIR"). En él se plantea que
$$Y^{1/4} = \beta_0 + \beta_1 X_1 + \beta_2 X_2 +\varepsilon.$$
El código estima $\beta_0$ como $b_0=2.094573355$ , $\beta_1$ como $b_1=0.000075223$ y $\beta_2$ como $b_2=0.000022279$ . También presume $\varepsilon$ son normales iid con media cero y estima su varianza común (no se muestra). Con estas estimaciones, el valor ajustado de $Y^{1/4}$ es
$$\widehat{Y^{1/4}} = b_0 + b_1 X_1 + b_2 X_2.$$
"Interpretar" los coeficientes de regresión significa normalmente determinar qué cambio en la variable dependiente sugiere un cambio dado en cada variable independiente. Estos cambios son los derivados $dY/dX_i$ que la Regla de la Cadena nos dice que son iguales a $4\beta_iY^3$ . Entonces, introducimos las estimaciones y decimos algo así como
La regresión estima que un cambio unitario en $X_i$ se asociará a un cambio en $Y$ de $4b_i\widehat{Y}^3$ = $4b_i\left(b_0+b_1X_1+b_2X_2\right)^3$ .
La dependencia de la interpretación de $X_1$ y $X_2$ no se expresa simplemente con palabras, a diferencia de las situaciones sin transformación de $Y$ (un cambio de unidad en $X_i$ se asocia a un cambio de $b_i$ en $Y$ ) o con el logaritmo (un cambio porcentual en $X_i$ está asociada a $b_i$ cambio porcentual en $Y$ ). Sin embargo, manteniendo la primera forma de la interpretación, y calculando $4b_1$ = $4\times 0.000075223$ = $0.000301$ podríamos decir algo así como
Un cambio unitario en las tasas está asociado a un cambio en la recaudación de $0.000301$ veces el cubo de las colecciones actuales; por ejemplo, si las colecciones actuales son $10$ entonces un aumento unitario de las tasas está asociado a un aumento de $0.301$ en colecciones y si las colecciones actuales son $20$ entonces el mismo aumento unitario de las tasas está asociado a un aumento de $2.41$ en las colecciones.
Cuando se toman raíces distintas de la cuarta -por ejemplo, cuando se utiliza $Y^p$ como respuesta en lugar de $Y$ mismo, con $p$ no es cero--simplemente reemplaza todas las apariciones de " $4$ " en este análisis por " $1/p$ ".
4 votos
Quizás quieras leer esto: Transformación inversa de los coeficientes de regresión .