Differenza tra ANCOVA e Regressione Differenza tra

ANCOVA - Varianza del partizionamento

ANCOVA e regressione

Sia l'ANCOVA che la regressione sono tecniche e strumenti statistici. L'ANCOVA e la regressione condividono molte somiglianze ma hanno anche alcune caratteristiche distintive. Sia ANCOVA che la regressione sono basati su una covariata, che è una variabile predittiva continua.

ANCOVA sta per Analisi della Covarianza. È una combinazione di ANOVA unidirezionale (Analisi della varianza) e regressione lineare, una variante della regressione. Si occupa di variabili sia categoriali che continue. È un metodo statistico specifico per determinare l'estensione della varianza di una variabile dovuta alla variabilità in alcune altre variabili.

ANCOVA è fondamentalmente ANOVA con una maggiore sofisticazione e l'aggiunta di una variabile continua a un modello ANOVA esistente. Un'altra forma di ANCOVA è MANCOVA (analisi multivariata di covarianza). Inoltre, ANCOVA è un modello lineare generale che ha una variabile di risultato continuo e due o più variabili predittive. Le due variabili predittive sono variabili continue e categoriali.

In una variabile continua, i dati sono quantitativi e ridimensionati, mentre i dati categoriali sono caratterizzati come nominali e non scalati. L'ANCOVA è usato principalmente per controllare i fattori che non possono essere randomizzati ma possono ancora essere calcolati su una scala di intervallo in progetti sperimentali, mentre sui progetti osservativi, è usato per cancellare gli effetti variabili che cambiano la relazione tra indipendenti categoriali e dipendenti dall'intervallo. MANCOVA ha anche un certo uso nei modelli di regressione in cui la sua funzione principale è di adattarsi alle regressioni sia in categorie che in intervalli indipendenti.

ANCOVA è un modello che si basa sulla regressione lineare in cui la variabile dipendente deve essere lineare rispetto alla variabile indipendente. Le origini di MANCOVA e ANOVA derivano dall'agricoltura, dove le principali variabili riguardano le rese delle colture.

D'altra parte, la regressione è anche uno strumento statistico disponibile in molte varianti. Queste varianti includono il modello di regressione lineare, la regressione lineare semplice, la regressione logistica, la regressione non lineare, la regressione non parametrica, la regressione robusta e la regressione stepwise. La regressione si occupa di variabili continue.

Regressione lineare

La regressione è la relazione tra una variabile dipendente e una variabile indipendente l'una dall'altra. In questo modello, c'è una variabile dipendente e una o più variabili indipendenti. C'è anche uno sforzo per comprendere il cambiamento dei valori della variabile dipendente a causa di cambiamenti in una delle varianti indipendenti. In questa situazione, le altre varianti indipendenti rimangono fisse.

Nella regressione, ci sono due tipi fondamentali: regressione lineare e regressione multipla. Nella regressione lineare, l'unica variabile indipendente viene utilizzata per spiegare e / o prevedere il risultato di "Y" (che la variabile sta tentando di prevedere). D'altra parte, c'è anche il multiplo, in cui la regressione usa non una ma due o più variabili indipendenti per prevedere il risultato.

L'equazione per la regressione lineare e lineare è: Y = a + bX + u, mentre la forma per la regressione multipla è: Y = a + b1X1 + b2X2 + B3X3 + … + BtXt + u.

In entrambe le equazioni, la "Y" rappresenta la variabile che stiamo cercando di prevedere; la "X" è lo strumento variabile per prevedere la variabile "Y"; "A" è l'intercetta, "b" è la pendenza e "u" funge da residuo di regressione. Va notato che l'intercetta, la pendenza e il residuo di regressione sono costanti.

La regressione è il metodo per la previsione e la previsione di un risultato continuo. È il metodo da utilizzare per il risultato continuo e si basa su una o più variabili predittive continue. La regressione è partita dal campo della geografia il cui scopo è tentare di trovare la vera dimensione della Terra.

Riepilogo:

1. ANCOVA è un modello lineare e specifico nelle statistiche. La regressione è anche uno strumento statistico, ma è un termine generico per una moltitudine di modelli di regressione. La regressione è anche il nome dallo stato delle relazioni.

2. L'ANCOVA tratta sia variabili continue che categoriali, mentre la regressione riguarda solo variabili continue.

3. ANCOVA e regressione condividono un modello particolare: il modello di regressione lineare.

4. Sia l'ANCOVA che la regressione possono essere eseguiti utilizzando software specializzati per eseguire i calcoli effettivi.

5. L'ANCOVA proveniva dal campo dell'agricoltura, mentre la regressione proveniva dallo studio della geografia.