Razlika između korelacije i regresije je jedno od najčešće postavljanih pitanja u intervjuima. Štoviše, mnogi ljudi pate od dvosmislenosti u razumijevanju ove dvije stvari. Dakle, pročitajte cijeli članak kako biste imali jasan uvid u ova dva članka.
Tablica usporedbe
| Osnova za usporedbu | Korelacija | Regresija |
|---|---|---|
| Značenje | Korelacija je statistička mjera koja određuje povezanost ili povezanost dvije varijable. | Regresija opisuje kako se neovisna varijabla numerički odnosi na zavisnu varijablu. |
| upotreba | Predstavljati linearnu vezu između dvije varijable. | Prilagoditi najbolju liniju i procijeniti jednu varijablu na temelju druge varijable. |
| Zavisne i neovisne varijable | Nema razlike | Obje varijable su različite. |
| Označava | Koeficijent korelacije ukazuje na stupanj u kojem se dvije varijable kreću zajedno. | Regresija ukazuje na utjecaj promjene jedinice u poznatoj varijabli (x) na procijenjenu varijablu (y). |
| Cilj | Pronaći numeričku vrijednost koja izražava odnos između varijabli. | Procijeniti vrijednosti slučajnih varijabli na temelju vrijednosti fiksne varijable. |
Definicija korelacije
Izraz korelacija je kombinacija dvije riječi "Co" (zajedno) i odnos (veza) između dvije veličine. Korelacija je kada se u vrijeme proučavanja dviju varijabli primjećuje da se promjena jedinice u jednoj varijabli uzvraća ekvivalentnom promjenom druge varijable, tj. Izravnom ili neizravnom. U suprotnom se kaže da su varijable nekorelirane kada kretanje u jednoj varijabli ne predstavlja nikakvo kretanje u drugoj varijabli u određenom smjeru. To je statistička tehnika koja predstavlja snagu veze između parova varijabli.
Korelacija može biti pozitivna ili negativna. Kada se dvije varijable kreću u istom smjeru, tj. Povećanje jedne varijable rezultira odgovarajućim povećanjem u drugoj varijabli i obratno, tada se varijable smatraju pozitivno koreliranim. Na primjer : dobit i ulaganja.
Naprotiv, kada se dvije varijable kreću u različitim smjerovima, na način da će povećanje jedne varijable rezultirati smanjenjem druge varijable i obratno, ova situacija je poznata kao negativna korelacija. Na primjer : Cijena i potražnja proizvoda.
Mjere korelacije dane su kao u:
- Karl Pearsonov koeficijent korelacije proizvodnog momenta
- Spearmanov koeficijent korelacije ranga
- Dijagram raspršenja
- Koeficijent istovremenih devijacija
Definicija regresije
Statistička tehnika za procjenu promjene u metričkoj zavisnoj varijabli zbog promjene u jednoj ili više nezavisnih varijabli, na temelju prosječnog matematičkog odnosa između dvije ili više varijabli, poznata je kao regresija. Ona igra značajnu ulogu u mnogim ljudskim aktivnostima, jer je snažan i fleksibilan alat koji je koristio za predviđanje prošlih, sadašnjih ili budućih događaja na temelju prošlih ili sadašnjih događaja. Na primjer : Na temelju dosadašnjih podataka može se procijeniti buduća dobit poduzeća.
U jednostavnoj linearnoj regresiji postoje dvije varijable x i y, pri čemu y ovisi o x ili say pod utjecajem x. Ovdje se y naziva ovisna, ili varijabla kriterija i x je neovisna ili prediktorska varijabla. Linija regresije y na x izražava se kao u:
y = a + bx
gdje, a = konstanta,
b = regresijski koeficijent,
U ovoj jednadžbi a i b su parametar dvije regresije.
Ključne razlike između korelacije i regresije
Točke dane u nastavku objašnjavaju razliku između korelacije i regresije u pojedinostima:
- Statistička mjera koja određuje ko-odnos ili povezanost dviju veličina poznata je kao Korelacija. Regresija opisuje kako se neovisna varijabla numerički odnosi na zavisnu varijablu.
- Korelacija se koristi za predstavljanje linearnog odnosa između dviju varijabli. Naprotiv, regresija se koristi za uklapanje najbolje linije i procjenu jedne varijable na temelju druge varijable.
- U korelaciji nema razlike između zavisnih i nezavisnih varijabli, tj. Korelacija između x i y je slična y i x. Obrnuto, regresija y na x razlikuje se od x na y.
- Korelacija ukazuje na jačinu povezanosti između varijabli. Za razliku od, regresija odražava utjecaj promjene jedinice u nezavisnoj varijabli na zavisnu varijablu.
- Cilj je korelacije pronaći brojčanu vrijednost koja izražava odnos između varijabli. Za razliku od regresije čiji je cilj predvidjeti vrijednosti slučajne varijable na temelju vrijednosti fiksne varijable.
Zaključak
Iz gore navedene rasprave vidljivo je da postoji velika razlika između ta dva matematička pojma, iako se ta dva razmatraju zajedno. Korelacija se koristi kada istraživač želi znati da li su varijable koje su predmet istraživanja korelirane ili ne, ako da, onda koja je snaga njihove povezanosti. Pearsonov koeficijent korelacije smatra se najboljom mjerom korelacije. U regresijskoj analizi uspostavljena je funkcionalna veza između dviju varijabli kako bi se napravile buduće projekcije događaja.
