相関と回帰の違いは、インタビューでよく寄せられる質問の1つです。 さらに、多くの人々はこれら2つを理解することにおいて曖昧さを被ります。 したがって、この2つを明確に理解するには、この記事をよく読んでください。
比較表
| 比較基準 | 相関 | 回帰 |
|---|---|---|
| 意味 | 相関は、2つの変数の相互関係または関連を決定する統計的尺度です。 | 回帰は、独立変数が従属変数と数値的にどのように関連しているかを表します。 |
| 使用法 | 2つの変数間の線形関係を表す | 最良の線にフィットし、別の変数に基づいて1つの変数を推定します。 |
| 従属変数と独立変数 | 変わりはない | 両方の変数は異なります。 |
| を示します | 相関係数は、2つの変数が一緒に動く程度を示します。 | 回帰は、推定変数（y）に対する既知の変数（x）の単位変更の影響を示します。 |
| 目的 | 変数間の関係を表す数値を見つけること。 | 固定変数の値に基づいて確率変数の値を推定します。 |
相関の定義
相関という用語は、2つの単語間の2つの単語 'Co'（一緒に）と関係（接続）の組み合わせです。 相関関係は、2つの変数の調査時に、1つの変数の単位の変化が別の変数の等価な変化、すなわち直接的または間接的な変化によって報復されることが観察されている場合です。 あるいは、ある変数の移動が特定の方向の別の変数の移動と一致しない場合、それらの変数は無相関であると言われます。 これは、変数のペア間の接続の強さを表す統計的手法です。
相関は正または負になります。 ２つの変数が同じ方向に動くとき、すなわち１つの変数の増加が他の変数の対応する増加をもたらすであろう、そしてその逆であるとき、変数は正に相関していると考えられる。 例えば ：利益と投資。
反対に、２つの変数が異なる方向に動くとき、一方の変数が増加すると他方の変数が減少し、逆もまた同様である。この状況は負の相関として知られている。 例 ：製品の価格と需要。
相関の尺度は以下の通りです。
- カールピアソンの積率相関係数
- スピアマンの順位相関係数
- 散布図
- 同時偏差係数
回帰の定義
２つ以上の変数間の平均数学的関係に基づいて、１つ以上の独立変数の変化による計量依存変数の変化を推定するための統計的手法は回帰として知られている。 過去または現在の出来事に基づいて過去、現在または未来の出来事を予測するために使用されていた強力で柔軟なツールであるため、それは多くの人間活動において重要な役割を果たしています。 例 ：過去の記録に基づいて、企業の将来の利益を見積もることができます。
単純な線形回帰では、2つの変数xとyがあります。ここで、yはxに依存するか、xの影響を受けると言います。 ここで、yは従属変数または基準変数と呼ばれ、xは独立変数または予測変数と呼ばれます。 x上のyの回帰直線は次のように表されます。
y = a + bx
ここで、a =定数
b =回帰係数
この式で、aとbは2つの回帰パラメータです。
相関と回帰の主な違い
以下に示す点は、相関と回帰の違いを詳しく説明しています。
- ２つの量の相互関係または関連を決定する統計的尺度は相関として知られている。 回帰は、独立変数が従属変数と数値的にどのように関連しているかを表します。
- 相関は、2つの変数間の線形関係を表すために使用されます。 それどころか、回帰は最良の線を当てはめて別の変数に基づいて1つの変数を推定するために使用されます。
- 相関関係では、従属変数と独立変数の間に違いはありません。つまり、xとyの間の相関はyとxに似ています。 逆に、x上のyの回帰は、y上のxとは異なります。
- 相関関係は、変数間の関連の強さを示します。 それとは対照的に、回帰は独立変数の単位変更が従属変数に与える影響を反映しています。
- 相関関係は、変数間の関係を表す数値を見つけることを目的としています。 目的が固定変数の値に基づいて確率変数の値を予測することである回帰とは異なります。
結論
上記の説明で、これら2つの数学的概念の間には大きな違いがあることは明らかです。ただし、これら2つは一緒に研究されています。 研究中の変数が相関しているかどうかを研究者が知りたい場合に相関が使用され、そうであればそれらの関連の強さは何ですか。 ピアソンの相関係数は、相関の最良の尺度と見なされます。 回帰分析では、2つの変数間の機能的関係が確立され、将来の事象に関する予測を行います。
