Ero regression ja ANOVA: n välillä
Sekä regressio että ANOVA ovat tilastollisia malleja, joita käytetään jatkuvan tuloksen ennustamiseen, mutta regressiotapauksessa jatkuva tulos ennustetaan yhden tai useamman jatkuvan ennustemuuttujan perusteella, kun taas ANOVA: n tapauksessa jatkuva tulos on ennustetaan yhden tai useamman kategorisen ennustemuuttujan perusteella.
Regressio on tilastollinen menetelmä muuttujasarjojen välisen suhteen luomiseksi riippuvaisen muuttujan ennustamiseksi riippumattomien muuttujien avulla. ANOVA on toisaalta tilastollinen työkalu, jota sovelletaan etuyhteydettömiin ryhmiin selvittääkseen, onko niillä yhteinen keskiarvo.
Mikä on regressio?
Regressio on erittäin tehokas tilastollinen menetelmä muuttujasarjojen välisen suhteen luomiseksi. Muuttujat, joille regressioanalyysi tehdään, ovat riippuvainen muuttuja ja yksi tai useampi itsenäinen muuttuja. Se on menetelmä ymmärtää yhden tai useamman riippumattoman muuttujan vaikutus riippuvaan muuttujaan.
- Oletetaan esimerkiksi; maaliyritys käyttää raaka-aineena yhtä raakaliuottimen ja monomeerien johdannaisia. Voimme suorittaa regressioanalyysin kyseisen raaka-ainehinnan ja Brentin raakaöljyn hinnan välillä.
- Tässä esimerkissä raaka-ainehinta on riippuvainen muuttuja, ja Brent-hintojen hinta on riippumaton muuttuja.
- Kun liuottimien ja monomeerien hinta nousee ja laskee hintojen nousun ja laskun myötä Brentin hinnat, raaka-aineen hinta on riippuvainen muuttuja.
- Vastaavasti minkä tahansa liiketoimintapäätöksen yhteydessä voidaan vahvistaa hypoteesi, jonka mukaan tietty toimenpide johtaa divisioonan kannattavuuden kasvuun, voidaan vahvistaa riippuvaisen ja riippumattoman muuttujan regressiotuloksen perusteella.
Mikä on Anova?
ANOVA on varianssianalyysin lyhyt muoto. ANOVA on tilastollinen työkalu, jota käytetään yleensä satunnaismuuttujiin. Siihen kuuluu ryhmä, joka ei ole suoraan yhteydessä toisiinsa, jotta voidaan selvittää, onko olemassa yhteisiä keinoja.
- Yksinkertainen esimerkki tämän asian ymmärtämiseksi on käyttää ANOVAa eri korkeakoulujen opiskelijoiden arvosarjoille yrittääkseen selvittää, onko yksi koulun opiskelija parempi kuin toinen.
- Toinen esimerkki voi olla, jos kaksi erillistä tutkimusryhmää tutkii erilaisia tuotteita, jotka eivät liity toisiinsa. ANOVA auttaa löytämään parempia tuloksia. ANOVAn kolme suosittua tekniikkaa ovat satunnainen vaikutus, kiinteä vaikutus ja sekavaikutus.
Regressio vs. ANOVA-infografiikka
Keskeiset erot regressiossa ja ANOVA: ssa
- Regressiota käytetään muuttujiin, jotka ovat luonteeltaan enimmäkseen kiinteitä tai itsenäisiä, ja ANOVA: ta sovelletaan satunnaisiin muuttujiin.
- Regressiota käytetään pääasiassa kahdessa muodossa; ne ovat lineaarista regressiota ja moninkertaista regressiota; kovia muita regressiomuotoja esiintyy myös teoriassa; näitä tyyppejä käytetään yleisimmin käytännössä. Toisaalta on kolme suosittua ANOVA-tyyppiä: ne ovat satunnainen, kiinteä ja sekavaikutus.
- Regressiota käytetään pääasiassa estimaattien tai ennusteiden tekemiseen riippuvaiselle muuttujalle yksittäisten tai useiden itsenäisten muuttujien avulla, ja ANOVA: ta käytetään yhteisen keskiarvon löytämiseen eri ryhmien muuttujien välillä.
- Regressiotapauksessa virhetermien lukumäärä on yksi, mutta ANOVA: n tapauksessa virhetermien lukumäärä on enemmän kuin yksi.
Vertaileva taulukko
| Perusta | Regressio | ANOVA | ||
| Määritelmä | Regressio on erittäin tehokas tilastollinen menetelmä muuttujasarjojen välisen suhteen luomiseksi. | ANOVA on varianssianalyysin lyhyt muoto. Sitä sovelletaan etuyhteydettömiin ryhmiin selvittääkseen, onko niillä yhteinen keskiarvo | ||
| Muuttujan luonne | Regressiota sovelletaan riippumattomiin muuttujiin tai kiinteisiin muuttujiin. | ANOVA: ta käytetään muuttujiin, jotka ovat luonteeltaan satunnaisia | ||
| Tyypit | Regressiota käytetään pääasiassa kahdessa muodossa. Ne ovat lineaarista regressiota ja moninkertaista regressiota; myöhempi on, kun itsenäisten muuttujien määrä on enemmän kuin yksi. | Kolme suosittua ANOVA-tyyppiä ovat satunnainen vaikutus, kiinteä vaikutus ja sekavaikutus. | ||
| Esimerkkejä | Maaliyritys käyttää liuotinta ja monomeereja raaka-aineena, joka on johdannainen raakaöljystä; voimme suorittaa regressioanalyysin kyseisen raaka-ainehinnan ja Brentin raakaöljyn hinnan välillä. | Oletetaan, että kaksi erillistä tutkimusryhmää tutkii erilaisia tuotteita, jotka eivät liity toisiinsa. ANOVA auttaa löytämään parempia tuloksia. | ||
| Käytetyt muuttujat | Regressiota sovelletaan kahteen muuttujasarjaan, joista toinen on riippuva muuttuja, ja toinen on itsenäinen muuttuja. Regressiossa olevien itsenäisten muuttujien määrä voi olla yksi tai useampi. | ANOVA: ta käytetään muuttujiin, jotka eivät välttämättä liity toisiinsa. | ||
| Testin käyttö | Regressiota käyttävät pääasiassa ammattilaiset tai alan asiantuntijat arvioiden tai ennusteiden tekemiseksi riippuvaiselle muuttujalle. | ANOVA: ta käytetään yhteisen keskiarvon löytämiseen eri ryhmien muuttujien välillä. | ||
| Virheet | Regressioanalyysin tekemät ennusteet eivät ole aina toivottavia; tämä johtuu regressioon liittyvästä virhetermistä, tämä virhetermi tunnetaan myös nimellä jäännös. Regressiotapauksessa virhetermien lukumäärä on yksi. | Virheiden määrä siinä tapauksessa, että ANOVA, toisin kuin regressio, on enemmän kuin yksi. |
Johtopäätös
Sekä regressiot että ANOVA ovat tehokkaita tilastollisia työkaluja, joita käytetään useisiin muuttujiin. Regressiota käytetään ennustamaan riippuvainen muuttuja riippumattomien muuttujien avulla, joilla on joitain suhteita. On hyödyllistä vahvistaa hypoteesi siitä, onko tehty hypoteesi oikea vai ei.
Regressiota käytetään muuttujiin, jotka ovat luonteeltaan kiinteitä tai itsenäisiä, ja se voidaan tehdä käyttämällä yhtä riippumatonta muuttujaa tai useita itsenäisiä muuttujia. ANOVA: ta käytetään etsimään yhteistä eri ryhmien muuttujien välillä, jotka eivät ole yhteydessä toisiinsa. Sitä ei käytetä ennusteen tai estimaatin tekemiseen, vaan muuttujien joukon välisten suhteiden ymmärtämiseen.
