为何对数转换会导致回归模型中出现系数缺失值（NA）？

我拥有CO₂排放量、人均GDP、人均GDP平方、游客到访人数四个数据集，试图构建模型分析游客到访对CO₂排放的影响，推导旅游诱导型环境库兹涅茨曲线（Tourism induced Environmental Kuznets Curve）。以下是未做对数转换与做对数转换的R代码及回归结果：

未做对数转换的模型 #

Yt<-Data$`CO2 emissions`
X1t<-Data$`GDP per capita`
X2t<-Data$`GDP per caita square` # 注：此处应为GDP per capita square
X3t<-Data$`Number of Tourist arrival`

model<-lm(Yt~X1t+X2t+X3t)
summary(model) 

回归结果：

Coefficients:
              Estimate Std. Error t value Pr(>|t|)    
(Intercept)  1.238e-02  7.395e-03   1.674 0.100187    
X1t         -2.581e-05  6.710e-05  -0.385 0.702139    
X2t          1.728e-07  4.572e-08   3.780 0.000413 ***
X3t          1.928e-07  3.501e-08   5.507  1.2e-06 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.02252 on 51 degrees of freedom
Multiple R-squared:  0.9475,    Adjusted R-squared:  0.9444 
F-statistic: 306.5 on 3 and 51 DF,  p-value: < 2.2e-16

对数转换后的模型 #

LYt<-(log(Yt))
LX1t<-(log(X1t))
LX2t<-(log(X2t))
LX3t<-(log(X3t))

model1<-lm(LYt~LX1t+LX2t+LX3t)
summary(model1)

回归结果：

Coefficients: (1 not defined because of singularities)
            Estimate Std. Error t value Pr(>|t|)    
(Intercept) -9.38623    0.46040 -20.387  < 2e-16 ***
LX1t         0.83679    0.09834   8.509 2.01e-11 ***
LX2t              NA         NA      NA       NA    
LX3t         0.17802    0.06888   2.585   0.0126 *  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.2863 on 52 degrees of freedom
Multiple R-squared:  0.9074,    Adjusted R-squared:  0.9038 
F-statistic: 254.7 on 2 and 52 DF,  p-value: < 2.2e-16

问题解答 #

核心原因是两种情况下的共线性性质完全不同：

• 未对数转换时：仅存在高度多重共线性，而非完全共线性
  原始的X2t是X1t的平方，二者是二次函数关系，并非线性依赖。即使数据中X1t和X2t的相关性极高，但它们并不满足严格的线性等式（比如X2t = a*X1t + b，其中a、b为常数），因此线性回归模型仍然可以计算出系数估计值——只是共线性会导致X1t的系数标准误差变大、显著性降低（这也解释了为什么X1t的p值高达0.7）。

• 对数转换后：出现完全共线性
  当对X2t（人均GDP平方）取对数时，根据对数运算规则：

  log(X1t²) = 2 * log(X1t)
  

  也就是LX2t = 2 * LX1t，这是严格的线性依赖关系。此时设计矩阵的列向量线性相关，导致矩阵不满秩，线性回归无法唯一估计LX2t的系数，因此R会标记该系数为NA，并提示“1 not defined because of singularities”。

如果你想在对数模型中保留库兹涅茨曲线的二次形式，正确的做法是构造对数人均GDP的平方项，而非对人均GDP平方取对数，即：

LX1t_sq <- LX1t^2
model_correct <- lm(LYt ~ LX1t + LX1t_sq + LX3t)
summary(model_correct)

这样既保留了二次项的非线性关系，又不会出现完全共线性问题。

内容的提问来源于stack exchange，提问作者Siddhartha Rayamajhi