Forskellen mellem regression og ANOVA
Både regression og ANOVA er de statistiske modeller, der bruges til at forudsige det kontinuerlige resultat, men i tilfælde af regression forudsiges kontinuerligt resultat på basis af en eller flere end en kontinuerlig forudsigelsesvariabel, mens i tilfælde af ANOVA kontinuerligt resultat er forudsagt på basis af en eller flere end en kategorisk forudsigelsesvariabel.
Regression er en statistisk metode til at etablere forholdet mellem sæt af variabler for at forudsige den afhængige variabel ved hjælp af uafhængige variabler. ANOVA er derimod et statistisk værktøj, der anvendes til ikke-relaterede grupper for at finde ud af, om de har et fælles gennemsnit.
Hvad er regression?
Regression er en meget effektiv statistisk metode til at etablere forholdet mellem sæt af variabler. De variabler, som regressionsanalysen udføres for, er den afhængige variabel og en eller flere uafhængige variabler. Det er en metode til at forstå effekten på en afhængig variabel af en eller flere end en uafhængig variabel.
- Antag for eksempel; et malingsselskab bruger et af derivaterne af rå opløsningsmiddel og monomerer som råmateriale. Vi kan køre en regressionsanalyse mellem prisen på det råmateriale og prisen på Brent-råpriser.
- I dette eksempel er råvareprisen den afhængige variabel, og prisen på Brent-priser er den uafhængige variabel.
- Da prisen på opløsningsmidler og monomerer stiger og falder i pris med stigningen og faldet i Brent-priserne, er prisen på råmaterialet den afhængige variabel.
- Tilsvarende for enhver forretningsbeslutning for at validere en hypotese om, at en bestemt handling vil føre til en stigning i rentabiliteten for en division, kan valideres baseret på resultatet af regressionen mellem de afhængige og uafhængige variabler.
Hvad er Anova?
ANOVA er den korte form for variansanalyse. ANOVA er et statistisk værktøj, der generelt bruges på tilfældige variabler. Det involverer en gruppe, der ikke er direkte relateret til hinanden for at finde ud af, om der findes nogen fælles midler.
- Et simpelt eksempel for at forstå dette punkt er at køre ANOVA til serien af karakterer for studerende fra forskellige gymnasier for at forsøge at finde ud af, om en elev fra en skole er bedre end den anden.
- Et andet eksempel kan være, hvis to separate forskergrupper undersøger forskellige produkter, der ikke er relateret til hinanden. ANOVA hjælper med at finde ud af, hvilken der giver bedre resultater. De tre populære teknikker i ANOVA er en tilfældig effekt, fast effekt og blandet effekt.
Regression vs ANOVA Infographics
Nøgleforskelle mellem regression og ANOVA
- Regression anvendes på variabler, der for det meste er faste eller uafhængige, og ANOVA anvendes på tilfældige variabler.
- Regression anvendes hovedsageligt i to former; de er lineær regression og multipel regression; hårde andre former for regression er også til stede i teorien; disse typer bruges mest i praksis. På den anden side er der tre populære typer ANOVA, de er en tilfældig effekt, fast effekt og blandet effekt.
- Regression bruges hovedsageligt til at foretage skøn eller forudsigelser for den afhængige variabel ved hjælp af enkelt eller flere uafhængige variabler, og ANOVA bruges til at finde et fælles middel mellem variabler i forskellige grupper.
- I tilfælde af regression er antallet af fejludtryk et, men i tilfælde af ANOVA er antallet af fejludtrykket mere end en.
Sammenligningstabel
| Basis | Regression | ANOVA | ||
| Definition | Regression er en meget effektiv statistisk metode til at etablere forholdet mellem sæt af variabler. | ANOVA er den korte form for variansanalyse. Det anvendes på ikke-relaterede grupper for at finde ud af, om de har et fælles middelværdi | ||
| Variabelens art | Regression anvendes til uafhængige variabler eller faste variabler. | ANOVA anvendes på variabler, der er tilfældige | ||
| Typer | Regression anvendes hovedsageligt i to former. De er lineær regression og multipel regression; jo senere er antallet af uafhængige variabler mere end en. | De tre populære typer ANOVA er en tilfældig effekt, fast effekt og blandet effekt. | ||
| Eksempler | Et malingsfirma bruger opløsningsmiddel og monomerer som råmateriale, som er et derivat af rå; Vi kan køre en regressionsanalyse mellem prisen på det råmateriale og prisen på Brent-råpriserne. | Antag, at to separate forskergrupper undersøger forskellige produkter, der ikke er relateret til hinanden. ANOVA hjælper med at finde ud af, hvilken der giver bedre resultater. | ||
| Brugte variabler | Regression anvendes til to sæt variabler, det ene er den afhængige variabel, og det andet den uafhængige variabel. Antallet af uafhængige variabler i regression kan være en eller flere end en. | ANOVA anvendes på variabler fra forskellige, som ikke nødvendigvis har relation til hinanden. | ||
| Brug af testen | Regression bruges hovedsagelig af praktiserende læger eller eksperter i branchen for at foretage skøn eller forudsigelser for den afhængige variabel. | ANOVA bruges til at finde et fælles gennemsnit mellem variabler fra forskellige grupper. | ||
| Fejl | Forudsigelserne fra regressionsanalysen er ikke altid ønskelige; det er på grund af fejludtrykket i en regression, dette fejludtryk er også kendt som residual. I tilfælde af regression er antallet af fejludtrykket et. | Antallet af fejl i tilfælde af, at ANOVA, i modsætning til regression, er mere end en. |
Konklusion
Både regressioner og ANOVA er stærke statistiske værktøjer, der anvendes på flere variabler. Regression bruges til at forudsige den afhængige variabel ved hjælp af uafhængige variabler, der har nogle relationer. Det er nyttigt at validere en hypotese om, hvorvidt den hypotese, der er fremsat, er korrekt eller ej.
Regression anvendes på variabler, der er faste eller uafhængige og kan gøres ved brug af en enkelt uafhængig variabel eller flere uafhængige variabler. ANOVA bruges til at finde et fælles mellem variabler fra forskellige grupper, der ikke er relateret til hinanden. Det bruges ikke til at forudsige eller estimere, men til at forstå sammenhængen mellem sæt variabler.
