W szczególności mam na myśli współczynnik korelacji iloczynu Pearsona.
correlation
regression
Neil McGuigan
źródło
źródło
Odpowiedzi:
Jaka jest różnica między korelacją między i a regresją liniową przewidującą z ?T Y XX Y Y X
Po pierwsze, niektóre podobieństwa :
Po drugie, niektóre różnice :
źródło
lm
icor.test
wR
, da identyczne wartości p.Oto odpowiedź, którą opublikowałem na stronie graphpad.com :
Korelacja i regresja liniowa nie są takie same. Rozważ te różnice:
źródło
W przypadku pojedynczego predyktora regresji liniowej znormalizowane nachylenie ma taką samą wartość jak współczynnik korelacji. Zaletą regresji liniowej jest to, że związek można opisać w taki sposób, aby można było przewidzieć (na podstawie zależności między dwiema zmiennymi) wynik na przewidywanej zmiennej, biorąc pod uwagę dowolną określoną wartość zmiennej predykcyjnej. W szczególności jedna informacja, regresja liniowa daje ci, że korelacja nie jest przecięciem, wartością przewidywanej zmiennej, gdy predyktorem jest 0.
Krótko mówiąc - dają one identyczne wyniki obliczeniowo, ale jest więcej elementów, które można interpretować w prostej regresji liniowej. Jeśli chcesz po prostu scharakteryzować wielkość związku między dwiema zmiennymi, użyj korelacji - jeśli chcesz przewidzieć lub wyjaśnić swoje wyniki w kategoriach określonych wartości, prawdopodobnie chcesz regresji.
źródło
Analiza korelacji określa jedynie ilościowo zależność między dwiema zmiennymi, ignorując zmienną zależną i niezależną. Ale przed zastosowaniem regresji należy sprawdzić wpływ tej zmiennej, którą chcesz sprawdzić na drugiej zmiennej.
źródło
Wszystkie dotychczasowe odpowiedzi dostarczają ważnych informacji, ale nie należy zapominać, że można przekształcić parametry jednego w drugi:
Możesz więc przekształcić się w siebie nawzajem, skalując i przesuwając ich parametry.
Przykład w R:
źródło
Z korelacji możemy uzyskać jedynie indeks opisujący liniową zależność między dwiema zmiennymi; w regresji możemy przewidzieć związek między więcej niż dwiema zmiennymi i możemy go użyć do zidentyfikowania, które zmienne x mogą przewidzieć zmienną wynikową y .
źródło
Cytując Altman DG, „Praktyczne statystyki badań medycznych” Chapman i Hall, 1991, strona 321: „Korelacja ogranicza zbiór danych do pojedynczej liczby, która nie ma bezpośredniego związku z rzeczywistymi danymi. Regresja jest znacznie bardziej przydatną metodą, z wyniki, które są wyraźnie związane z uzyskanym pomiarem. Siła relacji jest wyraźna, a niepewność można wyraźnie zobaczyć z przedziałów ufności lub przedziałów prognoz ”
źródło
Analiza regresji to technika badania przyczyny efektu zależności między dwiema zmiennymi. podczas gdy analiza korelacji jest techniką badania kwantyfikacji relacji między dwiema zmiennymi.
źródło
Korelacja jest indeksem (tylko jedną liczbą) siły relacji. Regresja jest analizą (oszacowanie parametrów modelu i test statystyczny ich znaczenia) adekwatności konkretnego związku funkcjonalnego. Rozmiar korelacji jest związany z dokładnością prognoz regresji.
źródło
Korelacja to termin w statystykach, który określa, czy istnieje związek między dwoma, a następnie stopień relacji. Jego zakres wynosi od -1 do +1. Podczas gdy regresja oznacza powrót do średniej. Na podstawie regresji przewidujemy wartość, utrzymując jedną zmienną zależną, a drugą niezależną, ale należy wyjaśnić wartość zmiennej, którą chcemy przewidzieć.
źródło