Correlazione e regressione sono due metodi di analisi statistica che sono spesso confusi , come ciascuno cerca di descrivere una relazione tra due o più variabili . Analisi di regressione

analisi di regressione mira a determinare le relazioni tra una variabile fissa e una o più variabili casuali. In una semplice regressione , una singola variabile è studiato distingue dagli altri , come il numero di casi capitali ( fissa) e la corsa degli imputati ( casuale) . Questo porta spesso a un’analisi incompleta , in modo più variabili vengono analizzati. Per esempio , una regressione multipla avrebbe preso in considerazione il livello di istruzione , lo status socio -economico , i punteggi di intelligenza , o di altre variabili casuali .

Correlazione

Correlazione cerca di mostrare l’ correlazione tra le due variabili . Ad esempio, si potrebbe studiare il rapporto tra apporto calorico giornaliero e il peso . Risultati che più calorie risultato in peso più elevato può indicare una relazione causale tra le due variabili , ma la causalità non è l’obiettivo di questa analisi . In una analisi di correlazione , nessuna delle variabili è fisso e il lavoro del ricercatore è capire il rapporto tra i due . Cioè , si potrebbe scoprire che per ogni 500 calorie che una persona mangia , guadagna 9 once .

Confrontando Regressione e correlazione

regressione mira a mostrare come una variabile fisso prevede i valori di valori casuali . Per esempio , il numero di pazienti diabetici in una popolazione può essere dimostrato di predire i livelli di attività fisica o il tipo di dieta in quel gruppo . In una correlazione , entrambe le variabili sono casuali e il ricercatore mostra come cambiano in relazione l’uno all’altro . Entrambe le procedure cercano di mostrare una relazione tra le variabili .

Perché Distinguere Correlazione e regressione ?

Sapere quando applicare una correlazione o un’analisi di regressione è vitale per le statistiche . Se si studia precipitazioni e tassi di crescita dell’erba , si potrebbe desiderare una analisi di regressione : più pioggia uguale più erba. Tuttavia, il nesso di causalità non viene eseguito il contrario; più l’erba non causa più la pioggia . Qui , si può solo bisogno di mostrare una correlazione tra le variabili . Mostra una relazione tra la crescita delle radici e l’altezza degli alberi , per esempio , non si presta ad una analisi causale . Tuttavia , se si studia anche composizione del suolo, precipitazioni e livelli di luce solare , si può avere il materiale per un’analisi di regressione .