Regression vs korrelation
I statistiken är det viktigt att bestämma förhållandet mellan två slumpmässiga variabler. Det ger möjlighet att förutsäga en variabel i förhållande till andra. Regressionsanalys och korrelation tillämpas i väderprognoser, beteenden på finansmarknaden, etablering av fysiska relationer genom experiment och i mycket mer verkliga världsscenarier.
Vad är regression?
Regression är en statistisk metod som används för att rita sambandet mellan två variabler. Ofta när data samlas in kan det finnas variabler som är beroende av andra. Det exakta sambandet mellan dessa variabler kan endast fastställas med regressionsmetoderna. Att bestämma detta förhållande hjälper till att förstå och förutsäga beteendet hos en variabel till den andra.
Den vanligaste tillämpningen av regressionsanalysen är att uppskatta värdet på den beroende variabeln för ett visst värde eller värdeområde för de oberoende variablerna. Med hjälp av regression kan vi till exempel fastställa förhållandet mellan råvarupriset och konsumtionen, baserat på data som samlats in från ett slumpmässigt urval. Regressionsanalys producerar regressionsfunktionen för en datamängd, vilket är en matematisk modell som bäst passar de tillgängliga data. Detta kan lätt representeras av ett spridningsdiagram. Grafiskt motsvarar regression att hitta den bäst anpassade kurvan för den ge datamängden. Kurvens funktion är regressionsfunktionen. Med hjälp av den matematiska modellen kan efterfrågan på en vara förutsägas för ett givet pris.
Därför används regressionsanalysen i stor utsträckning vid förutsägelse och prognoser. Det används också för att etablera relationer i experimentella data, inom områdena fysik, kemi och många naturvetenskapliga och tekniska discipliner. Om förhållandet eller regressionsfunktionen är en linjär funktion, är processen känd som en linjär regression. I spridningsdiagrammet kan den representeras som en rak linje. Om funktionen inte är en linjär kombination av parametrarna är regressionen icke-linjär.
Vad är korrelation?
Korrelation är ett mått på styrkan i förhållandet mellan två variabler. Korrelationskoefficienten kvantifierar förändringsgraden i en variabel baserat på förändringen i den andra variabeln. I statistik är korrelation kopplad till begreppet beroende, vilket är det statistiska förhållandet mellan två variabler.
Pearsons korrelationskoefficient eller bara korrelationskoefficienten r är ett värde mellan -1 och 1 (-1≤r≤ + 1). Det är den mest använda korrelationskoefficienten och gäller endast för ett linjärt förhållande mellan variablerna. Om r = 0 finns inget förhållande och om r ≥0 är förhållandet direkt proportionellt; det vill säga värdet på en variabel ökar med ökningen av den andra. Om r≤0 är förhållandet omvänt proportionellt; dvs en variabel minskar när den andra ökar.
På grund av linjäritetsförhållandet kan korrelationskoefficienten r också användas för att fastställa närvaron av ett linjärt förhållande mellan variablerna.
Vad är skillnaden mellan regression och korrelation?
Regression ger formen av förhållandet mellan två slumpmässiga variabler och korrelationen ger relationen styrka.
Regressionsanalys ger en regressionsfunktion, som hjälper till att extrapolera och förutsäga resultat medan korrelation bara kan ge information om vilken riktning den kan förändras.
De mer exakta linjära regressionsmodellerna ges av analysen, om korrelationskoefficienten är högre. (| r | ≥0,8)
