对数-水平

对数-水平模型 (Log-Level Model)

对数-水平模型 (Log-Level Model) 是计量经济学中一类常见的回归模型设定形式，其特点是被解释变量取自然对数变换而解释变量保持原始水平量。该模型的标准形式为：

其中 $y > 0$ 是被解释变量，$x$ 是解释变量，$\beta_0$ 和 $\beta_1$ 是待估参数，$\varepsilon$ 是随机误差项。对数-水平模型的核心用途在于刻画半弹性 (Semi-Elasticity)，即解释变量每变动一单位引起被解释变量变动的百分比。

系数的经济含义

在对数-水平模型中，系数 $\beta_1$ 的解释不同于线性-线性模型。由导数关系可得：

因此 $\beta_1$ 度量的是 $x$ 变动一单位时 $y$ 的相对变化率（百分比变化）。具体而言，当 $x$ 增加一单位时，$y$ 预期变化 $100 \times \beta_1\%$。当 $\beta_1 = 0.05$ 时，$x$ 每增加一单位，$y$ 增加约 $5\%$。精确计算应使用 $\Delta \hat{y}(\%) = 100 \times (e^{\beta_1} - 1)\%$，但在 $\beta_1$ 较小时二者近似相等。

这一解释方式在经济学中具有重要应用，因为许多经济变量之间的关系天然是百分比而非绝对量关系。例如工资与教育年限之间，通常认为多受一年教育带来的不是固定金额的增长，而是固定百分比的增长。

与对数-对数模型的区别

对数-水平模型常与对数-对数模型 (Log-Log Model) 混淆。对数-对数模型的形式为 $\ln(y) = \beta_0 + \beta_1 \ln(x) + \varepsilon$，其系数 $\beta_1$ 解释为弹性 (Elasticity)，即 $x$ 变动 $1\%$ 引起 $y$ 变动 $\beta_1\%$。而对数-水平模型的 $\beta_1$ 是半弹性，只对解释变量做了水平量处理。选择哪种模型取决于研究问题的经济含义：若 $x$ 自身具有百分比意义（如价格、收入），通常使用对数-对数模型；若 $x$ 是虚拟变量或具有绝对量意义（如教育年限、年龄），通常使用对数-水平模型。

常见应用场景

对数-水平模型在应用计量经济学中极为常见：在劳动经济学中，Mincer 工资方程 $\ln(\text{wage}) = \beta_0 + \beta_1 \text{education} + \beta_2 \text{experience} + \varepsilon$ 是对数-水平模型的经典代表，$\beta_1$ 衡量多受一年教育的工资回报率。在环境经济学中，研究污染排放与经济增长的关系时常用 $\ln(\text{CO}_2) = \beta_0 + \beta_1 \text{GDP} + \varepsilon$。在金融领域，资产回报率研究也大量使用对数-水平设定。

使用对数-水平模型的注意事项

使用对数-水平模型时需关注几点。第一，被解释变量 $y$ 必须严格为正，否则无法取对数，实际应用中常删除或处理零值观测。第二，对数变换可以压缩异方差，使误差项更接近正态分布，但其代价是改变了误差项的解释方式——普通最小二乘法 (OLS) 在 $\ln(y)$ 空间上是最优线性无偏估计，但反变换回 $y$ 空间时会产生偏倚，需使用 Duan (1983) 的smoothing方法校正。第三，若模型存在异方差或其他违背经典的假设，需使用异方差稳健标准误修正推断。

对数-水平模型以其简洁性和经济含义清晰的特点，成为计量经济分析中不可或缺的工具之一。不论是初学者还是在高级研究中，理解半弹性与弹性的区别，正确设定函数形式，都是进行可信因果推断的前提。