Hvornår skal man bruge korrelation og hvornår skal man bruge simpel lineær regression?
Hvornår skal man bruge korrelation og hvornår skal man bruge simpel lineær regression?

Video: Hvornår skal man bruge korrelation og hvornår skal man bruge simpel lineær regression?

Video: Hvornår skal man bruge korrelation og hvornår skal man bruge simpel lineær regression?
Video: Video 1: Introduction to Simple Linear Regression 2024, April
Anonim

Regression er primært plejede bygge modeller/ligninger til forudsige et nøglesvar, Y, fra et sæt prædiktorvariable (X). Korrelation er primært plejede hurtigt og kortfattet opsummere retningen og styrken af sammenhængene mellem et sæt af 2 eller flere numeriske variable.

Også at vide er, hvornår skal du bruge lineær regression?

Tre store bruger til regression analyser er (1) at bestemme styrken af prædiktorer, (2) forudsige en effekt og (3) trendforudsigelse. For det første regression kan bruges til identificere styrken af den effekt, som den eller de uafhængige variabler har på en afhængig variabel.

Og hvornår skal korrelation bruges? Korrelation er Brugt at beskrive den lineære sammenhæng mellem to kontinuerte variable (f.eks. højde og vægt). Generelt, korrelation plejer at være Brugt når der ikke er nogen identificeret svarvariabel. Den måler styrken (kvalitativt) og retningen af det lineære forhold mellem to eller flere variable.

Man kan også spørge, hvad er forskellen mellem simpel lineær regression og korrelation?

Regression beskriver, hvordan en uafhængig variabel er numerisk relateret til den afhængige variabel. Korrelation bruges til at repræsentere lineær forhold mellem to variable. Tværtimod, regression bruges til at passe til den bedste linje og estimere én variabel på basis af en anden variabel.

Hvad er sandt om Pearson-korrelationen og simpel lineær regression?

Pearson-korrelation og Lineær regression . EN korrelation analyse giver information om styrken og retningen af lineær sammenhæng mellem to variable, mens en simpel lineær regressionsanalyse estimerer parametre i en lineær ligning, der kan bruges til at forudsige værdier af en variabel baseret på den anden

Anbefalede: