构建SalePrice预测方程：因变量自然对数能否作有效预测因子？

核心结论 #

绝对不能用Log_Price（SalePrice的自然对数）作为SalePrice的预测因子，应该选择Overall_Qual这类独立自变量来构建预测方程。

为什么Log_Price的高R²没有实际意义？ #

• Log_Price本质是SalePrice的单调函数变换，两者存在完全的一一对应关系，所以回归得到的R²接近100%是必然结果，但这是虚假的“高解释力”。
• 你的判断完全正确：形如SalePrice = m*ln(SalePrice) + b的方程根本无法用于预测——要计算预测值，必须先知道SalePrice本身，这完全违背了“预测未知值”的核心目的。

正确的变量选择与建模思路 #

• 优先选择Overall_Qual这类独立于SalePrice的自变量：虽然它的R²只有50%，但这是真实的解释力，变量可以提前观测（比如房屋评估阶段就能获取Overall_Qual），能够用来预测未知的SalePrice。
• 如果想利用对数变换优化模型（比如让数据更符合线性假设），正确的做法是：
  1. 以Log_Price作为因变量，用Overall_Qual等自变量建立回归模型：

     proc reg data = proj.team4;
         model Log_Price = Overall_Qual;
         title "Regression of Log_Price and Overall_Qual";
     run;
     

  2. 得到模型后，通过指数变换还原SalePrice的预测值：SalePrice_pred = exp(预测的Log_Price)，这样既利用了对数变换的优势，又避免了循环预测的问题。

内容的提问来源于stack exchange，提问作者Tomisin Fijabi