Różnica między korelacją a regresją

2019

Korelacja i regresja to dwie analizy oparte na wielowymiarowej dystrybucji. Dystrybucja wielowymiarowa jest opisana jako rozkład wielu zmiennych. Korelacja jest opisana jako analiza, która pozwala nam poznać powiązanie lub brak związku między dwiema zmiennymi "x" i "y". Z drugiej strony, analiza regresji, przewiduje wartość zmiennej zależnej na podstawie znanej wartości zmiennej niezależnej, przy założeniu, że średnia matematyczna zależności między dwiema lub więcej zmiennymi.

Różnica między korelacją a regresją jest jednym z najczęściej zadawanych pytań w wywiadach. Co więcej, wiele osób cierpi z powodu niejasności w zrozumieniu tych dwóch. Przeczytaj całą treść tego artykułu, aby mieć jasne zrozumienie tych dwóch elementów.

Wykres porównania

Podstawa do porównania	Korelacja	Regresja
Znaczenie	Korelacja jest miarą statystyczną, która określa współzależność lub powiązanie dwóch zmiennych.	Regresja opisuje, w jaki sposób zmienna niezależna jest numerycznie powiązana ze zmienną zależną.
Stosowanie	Aby przedstawić liniową zależność między dwiema zmiennymi.	Aby dopasować najlepszą linię i oszacować jedną zmienną na podstawie innej zmiennej.
Zmienne zależne i niezależne	Bez różnicy	Obie zmienne są różne.
Wskazuje	Współczynnik korelacji wskazuje, w jakim stopniu dwie zmienne poruszają się razem.	Regresja wskazuje wpływ zmiany jednostki na znaną zmienną (x) na oszacowaną zmienną (y).
Cel	Aby znaleźć wartość liczbową wyrażającą związek między zmiennymi.	Aby oszacować wartości zmiennej losowej na podstawie wartości zmiennej stałej.

Definicja korelacji

Termin korelacja jest kombinacją dwóch słów "Co" (razem) i relacji (połączenia) między dwiema wielkościami. Korelacja występuje wtedy, gdy w czasie badania dwóch zmiennych zaobserwowano, że zmiana jednostki w jednej zmiennej jest odwzajemniana przez równoważną zmianę w innej zmiennej, tj. Bezpośrednią lub pośrednią. Lub też uważa się, że zmienne są nieskorelowane, gdy ruch w jednej zmiennej nie stanowi żadnego ruchu w innej zmiennej w określonym kierunku. Jest to technika statystyczna, która reprezentuje siłę połączenia między parami zmiennych.

Korelacja może być dodatnia lub ujemna. Kiedy dwie zmienne poruszają się w tym samym kierunku, tzn. Wzrost jednej zmiennej spowoduje odpowiednie zwiększenie innej zmiennej i na odwrót, wówczas zmienne są uważane za dodatnio skorelowane. Na przykład : zysk i inwestycje.

Przeciwnie, gdy dwie zmienne poruszają się w różnych kierunkach, w taki sposób, że wzrost jednej zmiennej spowoduje zmniejszenie innej zmiennej i odwrotnie, Ta sytuacja jest znana jako korelacja ujemna. Na przykład : Cena i popyt produktu.

Współczynniki korelacji podano w następujący sposób:

Współczynnik korelacji momentu produktu Karla Pearsona
Współczynnik korelacji rang Spearmana
Schemat rozrzutu
Współczynnik równoczesnych odchyleń

Definicja regresji

Technika statystyczna do szacowania zmiany w zmiennej zależnej metryki ze względu na zmianę jednej lub więcej zmiennych niezależnych, w oparciu o średnią matematyczną zależność między dwiema lub więcej zmiennymi, określana jest jako regresja. Odgrywa znaczącą rolę w wielu ludzkich działaniach, ponieważ jest potężnym i elastycznym narzędziem, które służyło do prognozowania przeszłych, obecnych lub przyszłych wydarzeń na podstawie przeszłych lub obecnych wydarzeń. Na przykład : Na podstawie przeszłych danych można oszacować przyszły zysk firmy.

W prostej regresji liniowej istnieją dwie zmienne x i y, w których y zależy od x lub powiedzmy, wpływ x. Tutaj y jest nazywana zależną lub zmienną kryterium, a x jest zmienną niezależną lub predykcyjną. Linia regresji y na x jest wyrażona jako:

y = a + bx

gdzie, a = stała,
b = współczynnik regresji,
W tym równaniu a i b są dwoma parametrami regresji.

Kluczowe różnice między korelacją a regresją

Punkty podane poniżej wyjaśniają szczegółowo różnicę między korelacją a regresją:

Miarą statystyczną, określającą współzależność lub powiązanie dwóch wielkości, jest korelacja. Regresja opisuje, w jaki sposób zmienna niezależna jest numerycznie powiązana ze zmienną zależną.
Korelacja jest używana do reprezentowania liniowej zależności między dwiema zmiennymi. Wręcz przeciwnie, stosuje się regresję w celu dopasowania najlepszej linii i oszacowania jednej zmiennej na podstawie innej zmiennej.
W korelacji nie ma różnicy między zmiennymi zależnymi i niezależnymi, tj. Korelacja między x i y jest podobna do y i x. Odwrotnie, regresja y na x jest różna od x na y.
Korelacja wskazuje siłę powiązania między zmiennymi. W przeciwieństwie do regresji odzwierciedla wpływ zmiany jednostki w zmiennej niezależnej na zmienną zależną.
Korelacja ma na celu znalezienie wartości liczbowej, która wyraża związek między zmiennymi. W przeciwieństwie do regresji, której celem jest przewidywanie wartości zmiennej losowej na podstawie wartości zmiennej stałej.

Wniosek

W powyższej dyskusji jest oczywiste, że istnieje duża różnica między tymi dwoma matematycznymi koncepcjami, chociaż te dwa są badane razem. Korelacja jest stosowana, gdy badacz chce wiedzieć, czy badane zmienne są ze sobą skorelowane, czy nie, a jeśli tak, to jaka jest siła ich powiązania. Współczynnik korelacji Pearsona jest uważany za najlepszą miarę korelacji. W analizie regresji ustalana jest relacja funkcjonalna między dwiema zmiennymi, aby w przyszłości prognozować zdarzenia.