تفاوت بین همبستگی و رگرسیون

آیا تا به حال به این سوال رسیده اید که بین همبستگی و رگرسیون تمایز قائل شوید؟

همبستگی و رگرسیون دو تحلیل مبتنی بر توزیع چند متغیره هستند. توزیع چند متغیره را توزیع چند متغیره می نامند. همبستگی به عنوان تحلیلی توصیف می شود که به ما امکان می دهد تا رابطه بین دو متغیر 'x' و 'y' یا عدم وجود آن را بدانیم.

از سوی دیگر، تحلیل رگرسیون، مقدار متغیر وابسته را بر اساس مقدار شناخته شده متغیر مستقل، با فرض وجود یک رابطه ریاضی متوسط بین دو یا چند متغیر، پیش بینی می کند.

در زیر معیارهای همبستگی آورده شده است

ضریب همبستگی لحظه محصول کارل پیرسون

ضریب انحرافات همزمان

ضریب همبستگی رتبه اسپیرمن

بین همبستگی و رگرسیون تمایز قائل شوید

تعریف همبستگی

اصطلاح همبستگی ترکیبی از دو کلمه Co (با هم) و رابطه بین دو کمیت است. همبستگی زمانی است که مشاهده می شود که تغییر در یک واحد در یک متغیر با تغییر معادل در متغیر دیگر، یعنی مستقیم یا غیرمستقیم، در زمان مطالعه دو متغیر جبران می شود. یا زمانی که حرکت در یک متغیر به هیچ حرکتی در یک جهت خاص در متغیر دیگر نباشد، متغیرها نامرتبط هستند. این یک تکنیک آماری است که قدرت پیوند بین جفت های متغیر را نشان می دهد.

همبستگی می تواند منفی یا مثبت باشد. اگر دو متغیر در یک جهت حرکت کنند، یعنی افزایش یک متغیر منجر به افزایش متناظر در متغیر دیگر شود و بالعکس، متغیرها دارای همبستگی مثبت در نظر گرفته می شوند. به عنوان مثال، سرمایه گذاری و سود.

برعکس، اگر دو متغیر در جهات مختلف حرکت کنند به طوری که افزایش یک متغیر منجر به کاهش متغیر دیگر شود و بالعکس، این وضعیت به عنوان همبستگی منفی شناخته می شود. به عنوان مثال، قیمت محصول و تقاضا.

تعریف رگرسیون

یک تکنیک آماری مبتنی بر متوسط رابطه ریاضی بین دو یا چند متغیر به عنوان رگرسیون شناخته می شود ، برای تخمین تغییر در متغیر وابسته به متریک به دلیل تغییر در یک یا چند متغیر مستقل. این نقش مهمی در بسیاری از فعالیت های انسانی ایفا می کند زیرا این ابزاری قدرتمند و انعطاف پذیر است که برای پیش بینی رویدادهای گذشته ، حال یا آینده بر اساس وقایع گذشته یا حال استفاده می شود. به عنوان مثال ، سود آینده یک تجارت را می توان بر اساس سوابق گذشته تخمین زد.

دو متغیر x و y در یک رگرسیون خطی ساده وجود دارد ، که در آن y به x بستگی دارد یا می گویند که تحت تأثیر x قرار دارد. در اینجا y به عنوان یک متغیر وابسته یا معیار خوانده می شود و X یک متغیر مستقل یا پیش بینی کننده است. خط رگرسیون y در x به شرح زیر بیان شده است:

کجا ، a = ثابت ،

b = ضریب رگرسیون ،

A و B دو پارامتر رگرسیون در این معادله هستند.

تفاوت بین همبستگی و رگرسیون

مبنای مقایسه

همبستگی یک اقدام آماری است که ارتباط یا ارتباط بین دو متغیر را تعیین می کند.

رگرسیون نحوه ارتباط عددی یک متغیر مستقل با متغیر وابسته را توصیف می کند.

T o یک رابطه خطی بین دو متغیر را نشان می دهد.

متناسب با بهترین خط و تخمین یک متغیر بر اساس دیگری.

متغیرهای وابسته و مستقل

هر دو متغیر متفاوت هستند.

ضریب همبستگی نشان می دهد که دو متغیر با هم حرکت می کنند.

تجاوز R نشان دهنده تأثیر تغییر واحد بر متغیر تخمین زده شده (y) در متغیر شناخته شده (x) است.

برای پیدا کردن یک مقدار عددی بیان رابطه بین متغیرها.

برای برآورد مقادیر متغیرهای تصادفی بر اساس مقادیر متغیرهای ثابت.

همبستگی و تفاوت رگرسیون - آنها یکسان نیستند

در اینجا تفاوت بین همبستگی و تحلیل رگرسیون وجود دارد. به طور خلاصه ، چهار جنبه اصلی وجود دارد که با این شرایط متفاوت است.

در مورد همبستگی بین متغیرها رابطه وجود دارد. در مقابل ، رگرسیون تأکید می کند که چگونه یک متغیر بر دیگری تأثیر می گذارد.

همبستگی علیت را ضبط نمی کند ، در حالی که مبتنی بر رگرسیون است.

همبستگی بین x و y با y و x یکسان است. برخلاف این ، رگرسیون x و y و y و x ، کاملاً متفاوت است.

سرانجام ، یک نقطه واحد یک نمایش گرافیکی از یک همبستگی است. در حالی که یک خط رگرسیون خطی را تجسم می کند.

خط پایین در تفاوت بین همبستگی و تجزیه و تحلیل رگرسیون

همبستگی و رگرسیون دو تجزیه و تحلیل است ، بر اساس توزیع متغیرهای متعدد. از آنها می توان برای توصیف ماهیت رابطه و قدرت بین دو متغیر کمی مداوم استفاده کرد.

با بحث فوق بدیهی است که بین همبستگی و رگرسیون تفاوت زیادی وجود دارد ، دو مفهوم ریاضی اگرچه این دو با هم در حال مطالعه هستند. همبستگی زمانی استفاده می شود که محقق بخواهد بداند آیا متغیرهای مورد مطالعه با همبستگی هستند یا خیر ، اگر بله پس از آن قدرت ارتباط آنها چیست. ضریب همبستگی پیرسون به عنوان بهترین اندازه گیری همبستگی در نظر گرفته می شود. رابطه عملکردی بین دو متغیر در تجزیه و تحلیل رگرسیون برقرار شده است ، به منظور ایجاد پیش بینی های آینده در مورد وقایع.

هنگامی که ما در مورد اقدامات آماری و تحقیقات آنها صحبت می کنیم ، دو مفهوم مهم وجود دارد که بازی می شوند و آنها همبستگی و رگرسیون هستند. این یک اندازه گیری از متغیرهای متعدد است و از این رو نیز توزیع چند متغیره نامیده می شود. همبستگی را می توان به عنوان تجزیه و تحلیل توصیف کرد که به ما در مورد ارتباط یا عدم وجود رابطه بین دو متغیر مانند "A" و "B" اطلاع می دهد.

در حالی که از طرف دیگر ، تجزیه و تحلیل رگرسیون به ما کمک می کند تا مقدار متغیر وابسته را بر اساس مقداری که از متغیر مستقل موجود پس از فرض در مورد متوسط رابطه ریاضی بین دو یا بیش از دو متغیر موجود شناخته می شود ، پیش بینی کنیم. همبستگی و رگرسیون یک فصل مهم در کلاس 12 مهم است که دانش آموزان تفاوت بین همبستگی و رگرسیون را یادداشت کنند و در مورد همان بیاموزند.

مزیت تجزیه و تحلیل همبستگی:

تجزیه و تحلیل همبستگی به دانش آموزان کمک می کند تا خلاصه ای واضح تر و مختصر در مورد رابطه بین دو متغیر دریافت کنند.

مزیت تجزیه و تحلیل رگرسیون:

با استفاده از تجزیه و تحلیل رگرسیون ، یکی از بزرگترین مزایا این است که به شما امکان می دهد نگاهی دقیق به داده ها بیندازید و شامل معادله ای است که می تواند برای پیش بینی و بهینه سازی داده های مجموعه در آینده استفاده شود.