Два наиболее распространенных термина, используемых в мире статистики, - это корреляция, за которой следует регрессия. Эти два термина называются «анализом», поскольку они основаны на распространении множества переменных. Это явление широко известно как многомерное распределение. Чаще всего они используются, когда необходимо изучить связь между двумя количественными переменными.
Респондентов, скорее всего, спросят об отличительных характеристиках корреляции, а также регрессии. Однако многие люди сомневаются в понимании двух приведенных выше фраз.
Корреляция против регрессии
В разница между корреляцией и регрессией заключается в том, что корреляция - это мера связи или отсутствия между двумя переменными, например, «x,» и «y». «x,» и «y» здесь не являются независимыми или зависимыми переменными. В то время как в регрессии значение условной переменной рассчитывается с использованием значения независимой переменной.
Первоначально оценивается взаимосвязь между двумя различными переменными. Регрессия имеет бесчисленное множество инстинктивных применений в повседневной жизни. Вот подробная сравнительная таблица, которая может успешно объяснить различия между двумя терминами.
Таблица сравнения корреляции и регрессии
| Параметр сравнения | Корреляция | Регресс |
|---|---|---|
| Значение | Он определяет взаимосвязь, то есть связь между двумя переменными. Во многом зависит от процедур, основанных на статистике. | Обосновывает арифметическое отношение между двумя значениями, автономным значением и зависимым. |
| Цель | Это позволяет идентифицировать числовое значение, которое выражает взаимосвязь между двумя или более переменными. | В регрессии значения фиксированной переменной помогают нам точно определить и приблизить значения случайной переменной. |
| использование | Показана линейная связь между двумя переменными. | В основном на основе оценки, основанной на одной переменной, чтобы предсказать значение другой переменной. |
| Независимая переменная и зависимая переменная | И зависимые, и независимые переменные похожи друг на друга. | Независимые и зависимые переменные - это не одно и то же. |
| Индикация | Это мера степени одновременного изменения двух переменных. | Регрессия означает, как изменение значения переменной (x) определяется переменной (y). |
Что такое корреляция?
Корреляция происходит от двух слов, а именно «Со», что означает вместе, и «отношение», что означает связь или связь, которая находится между парой величин.
Это просто означает степень изменения, происходящего в одной из переменных, и реагирует соответствующим изменением в другой переменной. Это может быть явное или неявное изменение.
Он успешно отображает степень связи между двумя принимаемыми во внимание переменными, он основан на принципах статистики. Определенное значение может быть положительным или отрицательным.
Когда обе переменные движутся в одинаковом направлении, это положительная корреляция, и результаты соответствуют друг другу, что приводит к инвестициям и прибыли.
Напротив, отрицательная корреляция возникает, когда переменные движутся в противоположных направлениях, что приводит к снижению другой переменной. Например, ценность и требования к предмету взаимосвязаны.
Примером, где корреляция может быть успешно реализована, является ситуация, когда компания желает сравнить совокупное количество произведенных продаж с количеством нанятых продавцов.
Что такое регресс?
Регрессия - это попытка определить взаимосвязь одной переменной с другой значимой переменной. Используются два типа переменных: зависимый и независимый. Регрессия делает шаг вперед по сравнению с корреляцией, поскольку добавляет возможности прогнозирования.
Регрессия применяется людьми на интуитивном уровне ежедневно. Он занимает важное место в действиях человека, поскольку это мощный инструмент, который используется для прогнозирования событий, которые произошли до этого времени, в настоящем и будущем, на основе предыдущих или текущих событий и происшествий.
Например, прошлые бизнес-записи могут оценить его будущую прибыль. Это можно объяснить на простом примере того, как мы просыпаемся утром. Если вы ложитесь спать рано, вы можете с большей легкостью просыпаться рано утром.
Мы можем понять линейную регрессию, используя две переменные «x» и «y». Здесь обе переменные «x» и «y» зависят друг от друга, то есть «y» зависит или зависит от «x», который является независимой переменной. Указанные факторы указаны на статистическом графике, который представляет собой математическое представление.
Количественная регрессия более точна, поскольку она создает арифметическую интерпретацию уравнения. Это уравнение или формулы можно использовать для анализа и прогнозирования в будущем.
Например, врач оценивает подходящую дозировку лекарства (независимая переменная) для пациента на основе его массы тела, которая является зависимой переменной.
Основные различия между корреляцией и регрессией
Вывод
Очевидно, что корреляционный анализ и регрессионный анализ существенно отличаются друг от друга, хотя эти два математических понятия рассчитываются вместе.
В ходе регрессионного анализа исследователь пытается определить функциональную взаимосвязь между двумя переменными, установленными для получения будущих выгод и прибылей.
использованная литература
- https://psycnet.apa.org/record/1960-06763-000
- https://link.springer.com/content/pdf/10.3758/BRM.41.4.1149.pdf
- https://psycnet.apa.org/record/1995-97110-002
