Разлика между регресия и ANOVA
Както регресията, така и ANOVA са статистическите модели, които се използват за прогнозиране на непрекъснатия резултат, но в случай на регресия, непрекъснатият резултат се прогнозира въз основа на една или повече непрекъснати предикторни променливи, докато в случай на ANOVA непрекъснатият резултат е прогнозира се на базата на една или повече от една категорична променлива на предиктора.
Регресията е статистически метод за установяване на връзката между набори от променливи, за да се правят прогнози на зависимата променлива с помощта на независими променливи, ANOVA, от друга страна, е статистически инструмент, прилаган върху несвързани групи, за да се установи дали те имат често срещано средно.
Какво е регресия?
Регресията е много ефективен статистически метод за установяване на връзката между набори от променливи. Променливите, за които се прави регресионен анализ, са зависимата променлива и една или повече независими променливи. Това е метод за разбиране на ефекта върху зависима променлива на една или повече от една независима променлива.
- Да предположим например, че една бояджийска компания използва едно от производните на суров разтворител и мономери като своя суровина, можем да проведем регресионен анализ между цената на тази суровина и цената на цените на суров сорт Brent.
- В този пример цената на суровината е зависимата променлива, а цената на цените на Brent е независимата променлива.
- Тъй като цената на разтворителите и мономерите се увеличава и намалява с нарастването и спада на цените на Brent, цената на суровината е зависимата променлива.
- По същия начин за всяко бизнес решение, за да се потвърди хипотезата, че определено действие ще доведе до увеличаване на рентабилността на дадено подразделение, може да бъде валидирано въз основа на резултата от регресията между зависимите и независимите променливи.
Какво е Anova?
ANOVA е кратката форма на дисперсионния анализ. ANOVA е статистически инструмент, който обикновено се използва за случайни променливи. Той включва групи, които не са пряко свързани помежду си, за да се установи дали съществуват общи средства.
- Един прост пример за разбиране на тази точка е да стартирате ANOVA за поредицата от оценки на ученици от различни колежи, за да се опитате да разберете дали един ученик от едно училище е по-добър от другия.
- Друг пример може да бъде, ако два отделни изследователски екипа изследват различни продукти, които не са свързани помежду си. ANOVA ще ви помогне да намерите кой предлага по-добри резултати. Трите популярни техники на ANOVA са случаен ефект, фиксиран ефект и смесен ефект.
Регресия срещу ANOVA Инфографика
Основни разлики между регресията и ANOVA
- Регресията се прилага към променливи, които са предимно фиксирани или независими по своята същност, а ANOVA се прилага към случайни променливи.
- Регресията се използва главно в две форми, те са линейна регресия и множествена регресия, а на теория присъстват и други форми на регресия. Тези видове са най-широко използвани на практика, от друга страна, има три популярни типа ANOVA, те са произволни ефект, фиксиран ефект и смесен ефект.
- Регресията се използва главно, за да се правят оценки или прогнози за зависимата променлива с помощта на единични или множество независими променливи, а ANOVA се използва за намиране на обща средна стойност между променливите от различни групи.
- В случай на регресия, номерът на термина за грешка е един, но в случай на ANOVA, броят на термина за грешка е повече от един.
Сравнителна таблица
| Основа | Регресия | АНОВА | ||
| Определение | Регресията е много ефективен статистически метод за установяване на връзката между набори от променливи. | ANOVA е кратката форма на дисперсионния анализ. Прилага се за несвързани групи, за да се установи дали имат общо значение | ||
| Природа на променливата | Регресията се прилага върху независими променливи или фиксирани променливи. | ANOVA се прилага за променливи, които са случайни по природа | ||
| Видове | Регресията се използва главно в две форми, те са линейна регресия и множествена регресия, по-късно е, когато броят на независимите променливи е повече от една. | Трите популярни типа ANOVA са случаен ефект, фиксиран ефект и смесен ефект. | ||
| Примери | Фирма за боядисване използва разтворител и мономери като своя суровина, която е производно на суров; можем да проведем регресионен анализ между цената на тази суровина и цената на цените на суров сорт Brent. | Ако два отделни изследователски екипа изследват различни продукти, които не са свързани помежду си. ANOVA ще ви помогне да намерите кой предлага по-добри резултати. | ||
| Използвани променливи | Регресията се прилага към две групи променливи, едната от тях е зависимата променлива, а другата е независимата променлива. Броят на независимите променливи в регресията може да бъде една или повече от една. | ANOVA се прилага към променливи от различни, които не са непременно свързани помежду си. | ||
| Използване на теста | Регресията се използва главно от практикуващи или експерти от бранша, за да се направят оценки или прогнози за зависимата променлива. | ANOVA се използва за намиране на обща средна стойност между променливите от различни групи. | ||
| Грешки | Прогнозите, направени от регресионния анализ, не винаги са желателни, тъй като поради термина за грешка в регресия, този термин за грешка е известен също като остатъчен. В случай на регресия, номерът на термина за грешка е един. | Броят на грешките в случай, че ANOVA, за разлика от регресията, е повече от една. |
Заключение
И двете регресии и ANOVA са мощни статистически инструменти, които се прилагат към множество променливи. Регресията се използва, за да се правят прогнози на зависимата променлива с помощта на независими променливи, които имат някои отношения. Полезно е да се валидира хипотеза за това дали направената хипотеза е вярна или не.
Регресията се използва за променливи, които са фиксирани или независими по природа и могат да бъдат направени с използването на една независима променлива или множество независими променливи. ANOVA се използва за намиране на общото между променливите на различни групи, които не са свързани помежду си. Той не се използва за прогнозиране или оценка, а за разбиране на връзките между множеството променливи.