Rekomenduojama, 2024

Redaktoriaus Pasirinkimas

Skirtumas tarp koreliacijos ir regresijos

Koreliacija ir regresija yra dvi analizės, pagrįstos daugiamatiniu paskirstymu. Daugiamatis pasiskirstymas yra apibūdinamas kaip kelių kintamųjų pasiskirstymas. Koreliacija apibūdinama kaip analizė, leidžianti mums žinoti asociaciją arba ryšį tarp dviejų kintamųjų „x“ ir „y“. Kita vertus, Regresijos analizė prognozuoja priklausomo kintamojo vertę pagal žinomą nepriklausomo kintamojo vertę, darant prielaidą, kad vidutinis matematinis santykis tarp dviejų ar daugiau kintamųjų.

Skirtumas tarp koreliacijos ir regresijos yra vienas iš dažniausiai užduodamų klausimų interviu metu. Be to, daugelis žmonių susiduria su dviprasmiškumu, suprasti šiuos du dalykus. Taigi, perskaitykite šį straipsnį, kad galėtumėte aiškiai suprasti šiuos du dalykus.

Palyginimo diagrama

Palyginimo pagrindasKoreliacijaRegresija
ReikšmėKoreliacija - tai statistinė priemonė, lemianti dviejų kintamųjų bendravimą arba susiejimą.Regresija apibūdina, kaip nepriklausomas kintamasis yra skaitiniu požiūriu susijęs su priklausomu kintamuoju.
NaudojimasAtstovauti linijinį ryšį tarp dviejų kintamųjų.Norėdami pritaikyti geriausią liniją ir įvertinti kitą kintamąjį pagal kitą kintamąjį.
Priklausomi ir nepriklausomi kintamiejiNėra skirtumoAbu kintamieji yra skirtingi.
RodoKoreliacijos koeficientas rodo, kiek du kintamieji judėja kartu.Regresija rodo vieneto pokyčio poveikį žinomam kintamajam (x) kintamajam (y).
TikslasRasti skaitinę vertę, išreiškiantį kintamųjų santykį.Įvertinti atsitiktinio kintamojo vertes pagal fiksuoto kintamojo vertes.

Koreliacijos apibrėžtis

Sąvoka „koreliacija“ yra dviejų žodžių „Co“ (kartu) ir dviejų kiekių santykio (ryšio) derinys. Koreliacija yra tada, kai dviejų kintamųjų tyrimo metu pastebima, kad vieno kintamojo vieneto pokytis yra perskaičiuojamas lygiaverčiu kito kintamojo pokyčiu, ty tiesioginiu ar netiesioginiu. Arba sakoma, kad kintamieji nekoreliuojami, kai judėjimas viename kintamajame nesudaro jokio kito kintamojo judėjimo tam tikra kryptimi. Tai statistinis metodas, kuris atspindi ryšį tarp kintamųjų porų.

Koreliacija gali būti teigiama arba neigiama. Kai du kintamieji juda ta pačia kryptimi, ty vieno kintamojo padidėjimas sukels atitinkamą kito kintamojo padidėjimą ir atvirkščiai, tada kintamieji laikomi teigiamai koreliuojamais. Pavyzdžiui : pelnas ir investicijos.

Atvirkščiai, kai du kintamieji juda skirtingomis kryptimis taip, kad vieno kintamojo padidėjimas sukels kito kintamojo sumažėjimą ir atvirkščiai, ši situacija yra žinoma kaip neigiama koreliacija. Pavyzdžiui : produkto kaina ir paklausa.

Koreliacijos priemonės pateikiamos taip:

  • Karl Pearson gaminio momento koreliacijos koeficientas
  • Spearmano rango koreliacijos koeficientas
  • Scatter diagrama
  • Tuo pačiu metu nukrypimų koeficientas

Regresijos apibrėžimas

Statistinis metrinės priklausomybės kintamojo pokyčio įvertinimo metodas, susijęs su vieno ar kelių nepriklausomų kintamųjų pokyčiu, remiantis vidutiniu matematiniu santykiu tarp dviejų ar daugiau kintamųjų, vadinamas regresija. Jis atlieka svarbų vaidmenį daugelyje žmogaus veiklos rūšių, nes tai yra galingas ir lankstus įrankis, kuriuo remiantis buvo prognozuojami praeities, dabartiniai ar būsimi įvykiai remiantis praeities ar dabartiniais įvykiais. Pavyzdžiui : Remiantis ankstesniais įrašais, galima apskaičiuoti įmonės būsimą pelną.

Paprastoje linijinėje regresijoje yra du kintamieji x ir y, kur y priklauso nuo x arba sako, kad įtakoja x. Čia y vadinamas priklausomu, arba kriterijaus kintamasis ir x yra nepriklausomas arba prognozuojantis kintamasis. Y regresijos linija x yra išreikšta kaip:

y = a + bx

kur, a = pastovus,
b = regresijos koeficientas,
Šioje lygtyje a ir b yra du regresijos parametrai.

Pagrindiniai skirtumai tarp koreliacijos ir regresijos

Toliau pateikti punktai išsamiai paaiškina skirtumą tarp koreliacijos ir regresijos:

  1. Statistinė priemonė, lemianti dviejų kiekių tarpusavio ryšį arba susiejimą, yra vadinama koreliacija. Regresija apibūdina, kaip nepriklausomas kintamasis yra skaitiniu požiūriu susijęs su priklausomu kintamuoju.
  2. Koreliacija naudojama tiesiniam santykiui tarp dviejų kintamųjų. Priešingai, regresija naudojama siekiant pritaikyti geriausią liniją ir įvertinti vieną kintamąjį pagal kitą kintamąjį.
  3. Koreliacijoje tarp priklausomų ir nepriklausomų kintamųjų nėra skirtumo, ty koreliacija tarp x ir y yra panaši į y ir x. Ir atvirkščiai, y regresija x skiriasi nuo x y y.
  4. Koreliacija rodo ryšį tarp kintamųjų. Priešingai, regresija atspindi vieneto pakeitimo įtaką nepriklausomam kintamajam priklausomame kintamajame.
  5. Koreliacijos tikslas - surasti skaitinę vertę, kuri išreiškia kintamųjų santykį. Skirtingai nuo regresijos, kurios tikslas yra prognozuoti atsitiktinio kintamojo vertes pagal fiksuoto kintamojo vertes.

Išvada

Atsižvelgiant į pirmiau minėtą diskusiją, akivaizdu, kad tarp šių dviejų matematinių sąvokų yra didelis skirtumas, nors šie du dalykai yra tiriami kartu. Koreliacija naudojama tada, kai tyrėjas nori sužinoti, ar tiriami kintamieji yra koreliuojami, ar ne, jei taip, kas yra jų asociacijos stiprybė. Pearsono koreliacijos koeficientas yra geriausias koreliacijos matas. Regresijos analizėje nustatomas funkcinis ryšys tarp dviejų kintamųjų, kad ateityje būtų galima prognozuoti įvykius.

Top