Skirtumas tarp koreliacijos ir regresijos

Koreliacija ir regresija yra dvi analizės, pagrįstos daugiapakopiu pasiskirstymu. Kelių kintamųjų pasiskirstymas apibūdinamas kaip kelių kintamųjų pasiskirstymas. Koreliacija apibūdinamas kaip analizė, leidžianti mums sužinoti apie ryšį arba nebuvimą tarp dviejų kintamųjų „x“ ir „y“. Kitame gale, Regresija analizė, prognozuoja priklausomo kintamojo vertę pagal žinomą nepriklausomo kintamojo vertę, darant prielaidą, kad vidutinis matematinis ryšys tarp dviejų ar daugiau kintamųjų.

Skirtumas tarp koreliacijos ir regresijos yra vienas iš dažniausiai užduodamų klausimų interviu. Be to, daugelis žmonių supranta dviprasmiškumą. Taigi, perskaitykite šį straipsnį, kad suprastumėte šiuos du dalykus.

Turinys: koreliacija ir regresija

1. Palyginimo diagrama
2. Apibrėžimas
3. Pagrindiniai skirtumai
4. Išvada

Palyginimo diagrama

Palyginimo pagrindas	Koreliacija	Regresija
Reikšmė	Koreliacija yra statistinis matas, nustatantis dviejų kintamųjų ryšį arba ryšį.	Regresija apibūdina, kaip nepriklausomas kintamasis yra skaitmeniškai susijęs su priklausomu kintamuoju.
Naudojimas	Pateikti tiesinį ryšį tarp dviejų kintamųjų.	Kad atitiktų geriausią eilutę ir įvertintų vieną kintamąjį remiantis kitu kintamuoju.
Priklausomi ir nepriklausomi kintamieji	Nėra skirtumo	Abu kintamieji yra skirtingi.
Nurodo	Koreliacijos koeficientas parodo, kaip du kintamieji juda kartu.	Regresija rodo žinomo kintamojo (x) vieneto pokyčio įtaką apskaičiuotam kintamajam (y).
Tikslas	Surasti skaitinę reikšmę, išreiškiančią ryšį tarp kintamųjų.	Įvertinti atsitiktinio kintamojo reikšmes remiantis fiksuoto kintamojo vertėmis.

Koreliacijos apibrėžimas

Sąvoka koreliacija yra dviejų žodžių „Co“ (kartu) ir santykio (ryšio) tarp dviejų dydžių derinys. Koreliacija yra tada, kai tiriant du kintamuosius pastebima, kad vieno kintamojo vieneto pokytis atliepiamas lygiaverčiu kito kintamojo pasikeitimu, t. Y. Tiesioginiu ar netiesioginiu. Arba tariama, kad kintamieji yra nesusiję, kai judėjimas viename kintamajame nereiškia jokio kito kintamojo judėjimo tam tikra kryptimi. Tai statistinis metodas, kuris parodo ryšio tarp kintamųjų porų stiprumą.

Koreliacija gali būti teigiama arba neigiama. Kai du kintamieji juda ta pačia kryptimi, t. Y. Padidėjus vienam kintamajam, atitinkamai padidės kitas kintamasis ir atvirkščiai, laikoma, kad kintamieji yra teigiamai koreliuojami.. Pavyzdžiui: pelnas ir investicijos.

Priešingai, kai du kintamieji juda skirtingomis kryptimis taip, kad padidėjus vienam kintamajam sumažės kitas kintamasis ir atvirkščiai, ši situacija vadinama neigiama koreliacija.. Pavyzdžiui: Produkto kaina ir paklausa.

Koreliacijos matai pateikiami taip:

• Karlo Pearsono produkto momento koreliacijos koeficientas
• Spearmano rango koreliacijos koeficientas
• Sklaidos schema
• Lygiagrečių nuokrypių koeficientas

Regresijos apibrėžimas

Statistinis metodas, pagal kurį apskaičiuojamas nuo vieno ar daugiau nepriklausomų kintamųjų pasikeitęs metrinis priklausomas kintamasis, pagrįstas dviejų ar daugiau kintamųjų vidutiniu matematiniu ryšiu, vadinamas regresija. Jis vaidina svarbų vaidmenį atliekant daugelį žmonių veiklos, nes yra galingas ir lankstus įrankis, naudojamas prognozuoti praeities, dabarties ar ateities įvykius remiantis praeities ar dabarties įvykiais.. Pavyzdžiui: Remiantis ankstesniais duomenimis, galima įvertinti būsimą verslo pelną.

Paprastoje tiesinėje regresijoje yra du kintamieji x ir y, kur y priklauso nuo x arba, tarkime, paveiktas x. Čia y yra vadinamas priklausomu, arba kriterijaus kintamuoju, o x yra nepriklausomas arba prognozuojamasis kintamasis. Y regresijos tiesė ties x išreiškiama taip:

y = a + bx

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

Pagrindiniai koreliacijos ir regresijos skirtumai

Žemiau pateikti punktai išsamiai paaiškina koreliacijos ir regresijos skirtumus:

1. Statistinė priemonė, nustatanti dviejų dydžių ryšį ar ryšį, yra vadinama koreliacija. Regresija apibūdina, kaip nepriklausomas kintamasis yra skaitmeniškai susijęs su priklausomu kintamuoju.
2. Koreliacija naudojama vaizduoti tiesinį ryšį tarp dviejų kintamųjų. Atvirkščiai, regresija naudojama siekiant atitikti geriausią eilutę ir įvertinti vieną kintamąjį remiantis kitu kintamuoju.
3. Koreliacijoje nėra skirtumo tarp priklausomų ir nepriklausomų kintamųjų, t. Y. Koreliacija tarp x ir y yra panaši kaip y ir x. Atvirkščiai, y regresija ant x skiriasi nuo x ant y.
4. Koreliacija rodo ryšį tarp kintamųjų. Regresija, priešingai, atspindi nepriklausomo kintamojo vieneto pokyčio įtaką priklausomam kintamajam.
5. Koreliacija siekiama rasti skaitinę reikšmę, išreiškiančią ryšį tarp kintamųjų. Skirtingai nuo regresijos, kurios tikslas yra numatyti atsitiktinio kintamojo reikšmes remiantis fiksuoto kintamojo reikšmėmis.

Išvada

Atsižvelgiant į aukščiau pateiktą diskusiją, akivaizdu, kad tarp šių dviejų matematinių sąvokų yra didelis skirtumas, nors šios dvi nagrinėjamos kartu. Koreliacija naudojama tada, kai tyrėjas nori žinoti, ar tiriami kintamieji yra koreliuojami, ar ne, jei taip, kokia yra jų asociacijos stiprybė. Geriausiu koreliacijos dydžiu laikomas Pearsono koreliacijos koeficientas. Atliekant regresinę analizę, nustatomas dviejų kintamųjų funkcinis ryšys, kad būtų galima prognozuoti įvykius ateityje.