当然影响，流行的一种加一取对数其实是错误做法，如果这个数非常小，接近0,根据泰勒展开，ln(1+x)=x，两者相等，取不取对数无所谓。假如一部分x非常大，还有一部分x为0,非常大的那部分ln(1+x)约等于lnx，可以认为就是简单取对数，而等于0那部分加一再取对数，相当于没有改变。你对一部分数据取对数，另一部分数据不做改变，这要有多分裂呀！个人认为有负数或者0无需处理，非要处理，不如采取最大最小标准化。<br>

更多观点：
1. 以往文献是如何做的，是否有取对数的，他们加了多少
2. 如果采用加数取对数，在稳健性测试中，增加不同的变量衡量方式，确保结果稳健性
3. 在文章中说明这样做的原因

加数取对数，只在分析师关注度、董事会人数之类变量看过，但一般都是加1，加其他会引起怀疑；
如果只是为了规避负数，可以最大最小值变换调整到[0,1]后，+1；

可以的。比如非正态数据取对数进行正态转化是比较常见的做法，可以通过SPSSAU生成变量功能进行处理。

该变量x值加1，ln(x+1)，然后进行回归

有影响的

影响回归效果

最常见的是数据+1后取对数，比如被解释变量是人数，可以是0，那么就用log(1+X)作为被解释变量。但加上其他值的数字应该就不常见。比如因子模型中，变量B/P就经常取对数比如log(B/P)，因为B<0的样本非常少，剔除掉了；但E/P因为有一定比例为负，因此不会剔除这些负值，但也不会加个正数后让E/P为正数取对数。取对数除了经济意义、异方差等问题外，还有个好处就是减少异常值，如果考虑到异常值的问题，可以考虑拿被解释变量的排序值的Z-SCORE作为被解释变量。