Digamos que tenemos un modelo como:
$$log(y) = \beta_{1} + \beta_{2} \cdot log(X_{2})+\beta_{3} \cdot X_{3} + u$$
Tras realizar un MCO, se nos pregunta qué variable independiente tiene un mayor impacto en la variable dependiente, para lo cual nos interesa calcular los coeficientes BETA.
Sé que normalmente (dado un modelo como $y = \beta_{1} + \beta_{2} \cdot X_{2}+\beta_{3} \cdot X_{3} + u$ ) sólo tendríamos que computar:
$$BETA_{2} = \widehat{\beta}_{2} \cdot (S_{x_{2}}/S_{y})$$ $$BETA_{3} = \widehat{\beta}_{3} \cdot (S_{x_{3}}/S_{y})$$
interpretando esos BETA como coeficientes estandarizados; cuanto más altos sean, mayor será el impacto de la variable independiente sobre la variable dependiente.
Pero, tratándose de log-log y log-nivel, sospecho que la comparación no es tan directa, ya que, al interpretar las semielasticidades, hay que tener en cuenta que al aumentar $X_{3}$ por una unidad se asocia a un $(100 \cdot \widehat{\beta}_{3})$ % de aumento en $y$ . Entonces, para estandarizar los coeficientes e interpretarlos, sería
$$BETA_{2} = \widehat{\beta}_{2} \cdot (S_{x_{2}}/S_{y})$$ $$BETA_{3} = 100 \cdot \widehat{\beta}_{3} \cdot (S_{x_{3}}/S_{y})$$
¿es correcto?