Regression vs ANOVA
Regression og ANOVA (variansanalyse) er to metoder i den statistiske teori til at analysere adfærd for en variabel sammenlignet med en anden. I regression er det ofte variationen af afhængig variabel baseret på uafhængig variabel, mens det i ANOVA er variationen i attributterne for to prøver fra to populationer.
Mere om regression
Regression er en statistisk metode, der bruges til at tegne forholdet mellem to variabler. Ofte når data indsamles, kan der være variabler, der er afhængige af andre. Den nøjagtige sammenhæng mellem disse variabler kan kun fastslås ved regressionsmetoder. Bestemmelse af dette forhold hjælper med at forstå og forudsige adfærd fra en variabel til den anden.
Den mest almindelige anvendelse af regressionsanalysen er at estimere værdien af den afhængige variabel for en given værdi eller værdiområde for de afhængige variabler. For eksempel kan vi ved hjælp af regression fastslå sammenhængen mellem råvareprisen og forbruget baseret på de data, der er indsamlet fra en tilfældig prøve. Regressionsanalyse vil producere en regressionsfunktion af datasættet, som er en matematisk model, der bedst passer til de tilgængelige data. Dette kan let repræsenteres af et spredningsdiagram. Grafisk regression svarer til at finde den bedste tilpasningskurve for give datasættet. Kurvens funktion er regressionsfunktionen. Ved hjælp af den matematiske model kan brugen af en vare forudsiges til en given pris.
Derfor bruges regressionsanalysen i vid udstrækning til forudsigelse og prognoser. Det bruges også til at etablere relationer i eksperimentelle data inden for fysik, kemi og mange naturvidenskabelige og tekniske discipliner. Hvis forholdet eller regressionsfunktionen er en lineær funktion, er processen kendt som en lineær regression. I spredningsdiagrammet kan det repræsenteres som en lige linje. Hvis funktionen ikke er en lineær kombination af parametrene, er regressionen ikke-lineær.
Mere om ANOVA (Analyse af varians)
ANOVA involverer ikke eksplicit analyse af en sammenhæng mellem to eller flere variabler. Det kontrollerer snarere, om to eller flere prøver fra forskellige populationer har samme gennemsnit. Overvej f.eks. Testresultaterne for en eksamen, der afholdes for en karakter i skolen. Selvom testene er forskellige, kan præstationen være ens fra klasse til klasse. En metode til at verificere dette er ved at sammenligne middel til hver klasse. ANOVA eller ANalysis of Variance gør det muligt at afprøve denne hypotese. Grundlæggende kan ANOVA betragtes som en udvidelse af t-testen, hvor middelværdien af de to prøver fra to populationer sammenlignes.
Grundlæggende idé med ANOVA er at overveje variationen i prøven og variation mellem prøverne. Variationen i prøven kan tilskrives tilfældigheden, mens variationen blandt prøverne kan tilskrives både tilfældighed og andre eksterne faktorer. Analyse af varians er baseret på tre modeller; model med faste effekter, model med tilfældige effekter og model med blandede effekter.
Hvad er forskellen mellem regression og ANOVA?
• ANOVA er analysen af variation mellem to eller flere prøver, mens regression er analysen af et forhold mellem to eller flere variabler.
• ANOVA-teorien anvendes ved hjælp af tre basismodeller (model med faste effekter, model med tilfældige effekter og modeller med blandede effekter), mens regression anvendes ved hjælp af to modeller (lineær regressionsmodel og multipel regressionsmodel).
• ANOVA og Regression er begge to versioner af General Linear Model (GLM). ANOVA er baseret på kategoriske forudsigelsesvariabler, mens regression er baseret på kvantitative forudsigelsesvariabler.
• Regression er den mere fleksible teknik, og den bruges til at forudsige og forudsige, mens ANOVA bruges til at sammenligne ligestillingen mellem to eller flere populationer.
