Лог-линейная модель

При изменении значения фактора x_k в p раз (p > 0) ожидаемое (среднее) изменение величины ln y равноβ_k·ln p, а y при этом изменяется в раз.

Если p = 1+r и r достаточно мало, то ≈ 1+rβ_k, т.е. при изменении x_k на r·100%, зависимая переменная y в среднем изменяется на (rβ_k) · 100%.

Полулогарифмическая модель

При изменении значения фактора x_k на n единиц значение фактора y в среднем изменяется в exp (β_kn) раз.

Если величина (β_kn) достаточно мала, то воспользовавшись приближением exp (β_kn) ≈ 1 + β_kn, получаем
, что значение фактора y изменяется на (β_kn) · 100% процентов.

Линейная модель регрессии: проверка простых гипотез о коэффициентах модели (при односторонних и двусторонних альтернативах), доверительные интервалы для коэффициентов модели. Прогнозирование в линейной модели регрессии.