Log-Transformation: Ergebnisse auf der richtigen Skala interpretieren

1. Die Transformation als Entscheidung sichtbar machen

Eine rechtsschiefe Variable ist zunächst eine Beschreibung und kein automatischer Auftrag zum Logarithmieren. Kläre, welche Aussage du modellieren möchtest und welche Diagnosen dazu passen. Die Cornell Statistical Consulting Unit beschreibt Log-Transformationen unter anderem im Zusammenhang mit Rechtsschiefe und veränderlicher Residuenstreuung. Entscheidend bleibt das konkrete Modell. Ein hübscheres Histogramm allein begründet noch keine neue Analyse. Schreibe deshalb auf, weshalb die veränderte Skala für deine Frage sinnvoll sein könnte und welche Alternative geprüft wurde.

Lege eine eigene Skalenkarte mit fünf Feldern an: ursprüngliche Variable, Einheit, genaue Transformationsregel, analytischer Zweck und geplante Ergebnisformulierung. Unser fiktives Beispiel verwendet positive Bearbeitungszeiten in Minuten. Trage zusätzlich ein, ob nur die Zielvariable, nur ein Prädiktor oder beide logarithmiert werden. Bewahre die ursprüngliche Variable neben der abgeleiteten Fassung auf. Ein kurzer Name wie logzeit reicht als Dokumentation nicht aus, wenn später niemand mehr erkennen kann, welche Basis und welche Ausgangseinheit verwendet wurden.

Weiterführend: Cornell Statistical Consulting Unit: Interpreting Regression Coefficients for Log-Transformed Variables

2. Nullwerte und Zusätze nicht verstecken

Der reelle Logarithmus einer Messgröße setzt positive Werte voraus. Prüfe deshalb zuerst, ob Nullwerte, negative Kodierungen oder besondere Fehlwertcodes enthalten sind. Ein fehlender Wert darf nicht versehentlich zu einer negativen Messung werden. Verändere die Daten nicht stillschweigend, indem du problematische Fälle entfernst oder pauschal eine Konstante addierst. Eine solche Regel verändert die Fragestellung und muss fachlich begründet werden. Kläre den Umgang damit vor der finalen Modellwahl und halte die Entscheidung im Skript fest.

Für eine eigene Handkontrolle wählst du drei zulässige Lernwerte und prüfst Transformation sowie Rücktransformation in der verwendeten Software. Vergleiche beispielsweise das Verhältnis zweier positiver Zeiten mit dem Abstand ihrer logarithmierten Werte. Kennzeichne diese Probe ausdrücklich als Rechenhilfe und nicht als empirisches Ergebnis. Falls du eine Größe vor dem Logarithmieren umrechnest, notiere auch diese Einheit. Gerade bei zusätzlich verschobenen Variablen können Minuten und Sekunden unterschiedliche Auswirkungen auf eine scheinbar harmlose Konstante haben.

3. Den Modelltyp vor der Prozentformulierung lesen

Die UCLA erläutert verschiedene Fälle logarithmierter Regressionsmodelle. Bei einer logarithmierten Zielvariable und einem nicht logarithmierten Prädiktor beschreibt ein Koeffizient zunächst eine Änderung auf der Log-Skala. Beim natürlichen Logarithmus gehört zum entsprechenden Faktor die Exponentialfunktion. Ist nur der Prädiktor logarithmiert, verändert sich die Interpretation anders. Übernimm deshalb nicht dieselbe Prozentformel in jedes Modell. Interaktionen oder weitere Transformationen verlangen eine erneute Prüfung; der bloße Variablenname kann den vollständigen Modellterm nicht ersetzen.

Schreibe zunächst einen bewusst vollständigen Entwurf: Welche Variable verändert sich um wie viel, welche übrigen Größen werden konstant gehalten und auf welcher Skala wird das Ergebnis beschrieben? Im eigenen rein rechnerischen Beispiel ergibt ein Koeffizient von ln(1,10) den Faktor 1,10 für eine passende Einheitenänderung im beschriebenen Log-Zielmodell. Das illustriert zehn Prozent, ist aber kein Befund einer Studie. Prüfe anschließend, ob die Bedeutung dieses Faktors auch in deinem konkreten Modell und für die gewünschte Zielgröße stimmt.

Weiterführend: UCLA OARC: Interpreting a regression model with log-transformed variables

4. Nicht jede Rücktransformation liefert den arithmetischen Mittelwert

Nutze für das Gegenlesen ein kleines Übersetzungsblatt mit den Spalten Modellterm, erlaubte Veränderung, Ergebnisgröße und Formulierung in Alltagssprache. Trage zunächst die genaue Modellform ein und vervollständige dann jede Zeile. Eine zweite Person soll aus deiner Beschreibung erkennen können, welche Ausgangswerte verglichen werden. Wenn sie eine absolute Zeitdifferenz versteht, obwohl du einen relativen Faktor schätzt, muss die Beschriftung vor der Veröffentlichung überarbeitet werden.

Cornell warnt davor, einen vorhergesagten Wert auf der Log-Skala einfach zu exponentieren und das Ergebnis als arithmetischen Mittelwert der ursprünglichen Zielvariable auszugeben. Welche Rückübersetzung benötigt wird, hängt von Modell und Zielgröße ab. Kennzeichne deshalb in Tabellen, ob du Log-Werte, Verhältnisse, geometrische Mittel oder andere Schätzungen berichtest. Prüfe auch Unsicherheitsintervalle auf derselben begrifflichen Grundlage. Eine korrekt zurückgerechnete Zahl kann mit einer falschen Beschriftung trotzdem eine irreführende Aussage erzeugen.

Ergänze deine Skalenkarte um einen konkreten Berichtssatz und einen Gegencheck an der Softwaredokumentation. Bewahre sowohl die Modellskala als auch den erläuterten Rückweg auf. Im Statistikfinder beschreibst du Forschungsfrage und Variablenliste einschließlich Transformation und gewünschter Zielgröße. Die Verfahrensempfehlung ersetzt keine Residuenprüfung und keine fachlich kontrollierte Rücktransformation. Für komplexe Modelle besprichst du den Bericht mit der Statistikberatung. Hochschulvorgaben und nachvollziehbare Berechnungen gehen einer besonders einfach klingenden Prozentübersetzung vor.