Diferenças entre correlação e regressão Diferença entre

Tanto a correlação quanto a regressão são ferramentas estatísticas que lidam com duas ou mais variáveis. Embora ambos se relacionem com o mesmo assunto, existem diferenças entre os dois. As diferenças, entre as duas, são explicadas abaixo.

Significado

O termo correlação com referência a duas ou mais variáveis significa que as variáveis estão relacionadas de alguma forma. A análise de correlação determina se existe uma relação entre duas variáveis e a força do relacionamento. Se duas variáveis x (independentes) e y (dependentes) estão tão relacionadas que a variação na magnitude da variável independente é acompanhada, por variação na magnitude da variável dependente, então as duas variáveis são ditas serem correlacionadas.

A correlação pode ser linear ou não linear. Uma correlação linear é aquela em que as variáveis estão tão relacionadas que a mudança no valor de uma variável causaria uma alteração no valor de outra variável consistentemente. Em uma correlação linear, os pontos dispersos relacionados aos respectivos valores de variáveis dependentes e independentes se agrupariam em torno de uma linha reta não horizontal, embora uma linha reta horizontal também indicasse uma relação linear entre as variáveis se uma linha direta pudesse conectar os pontos representando as variáveis.

A análise de regressão, por outro lado, usa os dados existentes para determinar uma relação matemática entre as variáveis que podem ser usadas para determinar o valor da variável dependente em relação a qualquer valor da variável independente.

Orientação estatística

A correlação está relacionada com a medição de força de associação ou intensidade de relação, onde, como regressão, se relaciona com a predição do valor da variável dependente em relação a um valor conhecido da variável independente. Isso pode ser explicado com as seguintes fórmulas.

O coeficiente de correlação ou correlação de coeficiente (r) entre x & y é descoberto com a seguinte fórmula;

r = covariância (x, y) / σx. σy, cov (x, y) = Σxy / n - (Σx / n) (Σy / n), σx & σy são desvios padrão de x e y respectivamente, e, -1

O coeficiente de correlação r é um número puro e independente da unidade de medida. Assim, se x é altura (polegadas) e y é peso (lbs.) De pessoas de uma determinada região, então r não está em polegadas nem em lbs., mas simplesmente um número.

A equação de regressão é descoberta com a seguinte fórmula;

A equação de regressão de y em x (para descobrir a estimativa de y) é y - y '= byx (x-x~), byx é chamado de coeficiente de regressão de y em x.A equação de regressão de x em y (para descobrir a estimativa de x) é x - x '= bxy (y-y~), bxy é chamado de coeficiente de regressão de x em y.

A análise de correlação não assume dependência de nenhuma variável em outra variável, nem tenta descobrir a relação entre os dois. Ele simplesmente estima o grau de associação entre as variáveis. Por outras palavras, a análise de correlação analisa a interdependência das variáveis. A análise de regressão, por outro lado, descreve a dependência da variável dependente ou variável de resposta na variável / s independente ou explicativa. A análise de regressão pressupõe que existe uma relação causal unidirecional entre variáveis explicativas e de resposta, e não leva em consideração se essa relação causal é positiva ou negativa. Para a correlação, tanto os valores de variáveis dependentes quanto independentes são aleatórios, mas para valores de regressão de variáveis independentes não é necessário que seja aleatório.

Resumo

1. A análise de correlação é um teste de interdependência entre duas variáveis. A análise de regressão fornece uma fórmula matemática para determinar o valor da variável dependente em relação a um valor de variável / s independente.

2. O coeficiente de correlação é independente da escolha da origem e da escala, mas o coeficiente de regressão não é assim.

Para a correlação, os valores de ambas as variáveis devem ser aleatórios, mas não é assim para o coeficiente de regressão.