Definicja regresji
Test to technika statystyczna do szacowania zmiany dla ZZ (zmiennej zależnej) na zmianę jednej lub więcej ZN (zmiennych niezależnych). Jest to elastyczna technika statystyczna, która służy do prognozowania wydarzeń (w czasie przeszłym, teraźniejszym i przyszłym).
Korelacja pozwala określić dwa aspekty relacji pomiędzy badanymi zmiennymi – kierunek i siłę.
Poniżej przedstawiono kilka obszarów funkcjonalności korelacji regresji.
Cel
Korelacja – wartość liczbowa wyrażająca związek pomiędzy badanymi zmiennymi, co warunkuje określenie kierunku i siły relacji między badanymi zmiennym.
Regresja – aby oszacować przy pomocy wartości zmiennej stałej (A) – wartość zmiennej losowej (B).
Zmienne zależne i niezależne (Zmienne wyjaśniane i wyjaśniające)
W korelacji, badane zmienne nie różnią się.
W regresji obie zmienne różnią się.
Co wskazuje
Współczynnik korelacji wskazuje, w jakim kierunku i stopniu badane zmienne poruszają się.
Regresja wskazuje oddziaływanie zmiany wartości znanej zmiennej (A) na zmienną oszacowaną (B)
Znaczenie
Korelacja jest techniką statystyczną, która opisuje współzależność bądź powiązanie dwóch badanych zmiennych.
Regresja ilustruje, w jaki sposób zmienna niezależna (ZN, jedna lub więcej) jest numerycznie powiązana ze zmienną zależną (ZZ).
Stosowanie
Aby wykazać liniową zależność pomiędzy dwiema badanymi zmiennymi.
Aby dopasować najlepszą linię i oszacować jedną zmienną na podstawie innej zmiennej.
Podsumowując, różnice pomiędzy korelacją a regresją są znaczące. Korelacja to technika statystyczna, której zadaniem jest określenie kierunku i siły (innymi słowy, czy badane zmienne są ze sobą istotnie powiązane i jaki jest kierunek i siła tego związku, np. dodatnia umiarkowana korelacja). Tymczasem regresja to technika statystyczna, w której ustala się funkcjonalną relację pomiędzy zmienną zależną a zmiennymi niezależnymi (w praktyce mamy więcej do czynienia z regresją wielokrotną), która pozwala przewidywać przyszłe zdarzenia.
Założenia regresji liniowej
- Zmienne zależne i zmienne niezależne mają charakter ilościowy lub dychotomiczny i cechuje je rozkład normalny w przypadku zmiennej ilościowej.
- Liniowość modelu.
- Liczba obserwacji musi być równa lub większa niż liczba wszystkich zmiennych wykorzystywanych w analizie – wyjaśnianych i wyjaśniających. Zasada (50+15), na każdy dodatkowy predyktor liczba osób powinna się zwiększyć o 15. Aby regresja rzetelnie szacowała parametry – wymagana jest min. 50 osób badanych.
- Wariancja reszt jest taka sama dla wszystkich obserwacji.
- Składniki losowe (reszty) są nieskorelowane i mają rozkład normalny.
- Żadna ze zmiennych wyjaśniających (niezależnych) nie jest skorelowana z pozostałymi predyktorami.