Tolka logaritmerade variabler

Jag har gjort en regressionsanalys mellan två variabler där den beroende variabeln är logaritmerad. Hur ska jag tolka resultatet nu? Koefficienten*100 procent läste jag någonstans men det verkar inte stämma.

B-värdet på den oberoende variabelns koefficient är 0.003, den beroende variabeln går mellan ≈2,00 och ≈4,00 och den oberoende mellan 0-1000.

Jag vill ju veta hur mycket den oberoende variabelns påverkan på den beroende. Jag antar att ett steg upp på den oberoende variabeln ger en ökning på 0.003 på den beroende. Ologaritmerad går värdet från 0-60. Men en ökning på 0.003 verkar inte vara rimligt.

Jag är verkligen ingen hejare på regressionsanalyser men om du kan posta en skärmdump på analyserna med ologaritmerad och logaritmerad så ska jag se om jag inte kan komma med någon vägledning.

http://i43.tinypic.com/2ufugls.jpg
Ska se om jag kan ladda upp det någonstans:
Koefficienttabellen, den övre är en linjär regression med två icke-logaritmerade variabler och i den nedre är den beroende variabeln logaritmerad.

Ingen av koefficienterna är 0.003 så det vet jag inte var du får det ifrån. Vad mäter beroendevariabeln och oberoendevariabeln?

Nej, jag fick det från en annan output jag av misstag hade uppe

Den jag publicerade är den rätta.

Beroendevariabeln är ett mått på artdiversitet och den oberoende habitatstorlek.

Okej, hur definieras de mer specifikt/detaljerat? Det är nämligen rätt viktigt.

Hur som helst så eftersöker du ju E[Y|X], alternativt E[log(Y)|X]. Dvs. det betingade väntevärdet av Y betingat över X. I det här fallet ökar det betingade väntevärdet med 0,018 för varje enhetsökning i X.

Min beroende variabel är γ-diversiteten av kärlväxter, alltså det totala antalet arter i ett landskap och min oberoende variabel är storleken i acre.

Går det att tolka som att om en yta ökar 1 acre så ökar antalet arter med 0,018? Det låter lite tycker jag.

Men för att återgå till frågan, hur tolkar jag logaritmiska värden?

Det finns väl inte så mycket att tolka? Logaritmen av Y ökar med 0.00787 när X ökar en enhet. Antingen får man tolka det så, eller så får man antilogaritmera och sedan göra tolkningen; principen är ju densamma även om resultatet blir annat. Att fippla och multiplicera koefficienterna med något är bara nonsens.

Okej men när jag presenterar resultatet är det rimligare att antilogaritmera variablerna än att presentera logaritmiska värden? Eller innebär det ytterligare potentiella fel i en sådan transformering? Det är inga statistiker jag kommer att presentera det för så det bör vara så lättolkat som möjligt.

I det fallet hade jag nog använt ologaritmerade värden eftersom det blir lättare att förklara. Dock så hade jag nog kontrollerat och diskuterat om regressionsantagandena verkar vara uppfyllda, för om de inte är det så blir resultaten som modellen presenterar rätt "skakiga".

Okej, tack ska du ha!

Tror du för övrigt att någonting av resultatet av regressionen (residualerna? kovariansratio?) skulle kunna visualiseras på karta? Tror att det kan vara retoriskt kraftfullt.