Differenze tra Correlazione e Regressione Differenza tra

Sia la correlazione sia la regressione sono strumenti statistici che trattano due o più variabili. Sebbene entrambi si riferiscono allo stesso argomento, ci sono differenze tra i due. Le differenze tra i due sono spiegate di seguito.

Significato

Il termine correlazione con riferimento a due o più variabili indica che le variabili sono in qualche modo correlate. L'analisi della correlazione determina se esiste una relazione tra due variabili e la forza della relazione. Se due variabili x (indipendente) e y (dipendente) sono così correlate che la variazione della grandezza della variabile indipendente è accompagnata, per variazione di grandezza della variabile dipendente, si dice che le due variabili siano correlate.

La correlazione può essere lineare o non lineare. Una correlazione lineare è quella in cui le variabili sono così correlate che il cambiamento nel valore di una variabile causerebbe un cambiamento nel valore di un'altra variabile in modo coerente. In una correlazione lineare i punti sparsi relativi ai rispettivi valori delle variabili dipendenti e indipendenti si raggruppano attorno a una retta non orizzontale, sebbene una linea retta orizzontale indichi anche una relazione lineare tra le variabili se una linea retta potrebbe connettere i punti che rappresentano le variabili.

L'analisi di regressione, d'altra parte, utilizza i dati esistenti per determinare una relazione matematica tra le variabili che possono essere utilizzate per determinare il valore della variabile dipendente rispetto a qualsiasi valore della variabile indipendente.

Orientamento statistico

La correlazione riguarda la misurazione della forza dell'associazione o dell'intensità della relazione, in cui la regressione riguarda la predizione del valore della variabile dipendente in relazione a un valore noto della variabile indipendente. Questo può essere spiegato con le seguenti formule.

Il coefficiente di correlazione o la correlazione del coefficiente (r) tra x & y viene rilevato con la seguente formula;

r = covarianza (x, y) / σx. σy, cov (x, y) = Σxy / n - (Σx / n) (Σy / n), σx & σy sono deviazioni standard di xey rispettivamente, e, -1

Il coefficiente di correlazione r è un numero puro e indipendente dall'unità di misura. Quindi se x è altezza (pollici) e y è peso (libbre) di persone di una certa regione, allora r non è né in pollici né in libbre., ma semplicemente un numero.

L'equazione di regressione viene rilevata con la seguente formula;

L'equazione di regressione di y su x (per trovare la stima di y) è y - y '= byx (x-x~), byx è chiamato coefficiente di regressione di y su x.L'equazione di regressione di x su y (per trovare la stima di x) è x - x '= bxy (y-y~), bxy è chiamato coefficiente di regressione di x su y.

L'analisi della correlazione non assume la dipendenza di alcuna variabile su un'altra variabile, né cerca di scoprire la relazione tra i due. Valuta semplicemente il grado di associazione tra le variabili. In altre parole, l'analisi della correlazione verifica l'interdipendenza delle variabili. L'analisi di regressione, d'altra parte, descrive la dipendenza della variabile dipendente o della variabile di risposta sulla / e variabile / e indipendente / esplicativa. L'analisi di regressione presuppone che esista una relazione causale unidirezionale tra le variabili esplicative e di risposta e non tiene conto del fatto che tale relazione causale sia positiva o negativa. Per la correlazione entrambi i valori delle variabili dipendenti e indipendenti sono casuali, ma i valori di regressione delle variabili indipendenti non devono essere casuali.

Sommario

1. L'analisi della correlazione è un test di interdipendenza tra due variabili. L'analisi di regressione fornisce una formula matematica per determinare il valore della variabile dipendente rispetto a un valore di variabile / a indipendente.

2. Il coefficiente di correlazione è indipendente dalla scelta dell'origine e della scala, ma il coefficiente di regressione non è così.

Per la correlazione i valori di entrambe le variabili devono essere casuali, ma non è così per il coefficiente di regressione.