Skillnaden mellan regression och ANOVA
Både regressionen och ANOVA är de statistiska modellerna som används för att förutsäga det kontinuerliga resultatet, men i fallet med regressionen förutsägs kontinuerligt resultat på basis av en eller flera än en kontinuerlig prediktorvariabel medan i fallet med ANOVA kontinuerligt resultat förutsagt på basis av en eller flera kategoriska prediktorvariabler.
Regression är en statistisk metod för att fastställa förhållandet mellan uppsättningar av variabler för att göra förutsägelser av den beroende variabeln med hjälp av oberoende variabler. ANOVA, å andra sidan, är ett statistiskt verktyg som tillämpas på orelaterade grupper för att ta reda på om de har ett gemensamt medelvärde.
Vad är regression?
Regression är en mycket effektiv statistisk metod för att fastställa förhållandet mellan uppsättningar av variabler. Variablerna för vilka regressionsanalysen görs är den beroende variabeln och en eller flera oberoende variabler. Det är en metod för att förstå effekten på en beroende variabel av en eller flera än en oberoende variabel.
- Antag till exempel; ett färgföretag använder ett av derivaten av rå lösningsmedel och monomerer som råvara. Vi kan köra en regressionsanalys mellan priset på den råvaran och priset på Brent-råpriser.
- I detta exempel är råvarupriset den beroende variabeln och priset på Brent-priser är den oberoende variabeln.
- Eftersom priset på lösningsmedel och monomerer ökar och minskar i pris med stigande och fallande priser på Brent, är priset på råvaran den beroende variabeln.
- På liknande sätt kan valideras för alla affärsbeslut för att validera en hypotes om att en viss åtgärd kommer att öka lönsamheten för en division baserat på resultatet av regressionen mellan de beroende och oberoende variablerna.
Vad är Anova?
ANOVA är den korta formen av variansanalys. ANOVA är ett statistiskt verktyg som vanligtvis används på slumpmässiga variabler. Det handlar om en grupp som inte är direkt relaterad till varandra för att ta reda på om det finns några gemensamma medel.
- Ett enkelt exempel för att förstå denna punkt är att köra ANOVA för serien av betyg från studenter från olika högskolor för att försöka ta reda på om en elev från en skola är bättre än den andra.
- Ett annat exempel kan vara om två separata forskargrupper undersöker olika produkter som inte är relaterade till varandra. ANOVA hjälper till att hitta vilken som ger bättre resultat. De tre populära teknikerna för ANOVA är en slumpmässig effekt, fast effekt och blandad effekt.
Regression vs ANOVA Infographics
Viktiga skillnader mellan regression och ANOVA
- Regression tillämpas på variabler som mestadels är fasta eller oberoende till sin natur och ANOVA tillämpas på slumpmässiga variabler.
- Regression används huvudsakligen i två former; de är linjär regression och multipel regression; tuffa andra former av regression finns också i teorin; dessa typer används mest i praktiken. Å andra sidan finns det tre populära typer av ANOVA, de är en slumpmässig effekt, fast effekt och blandad effekt.
- Regression används främst för att göra uppskattningar eller förutsägelser för den beroende variabeln med hjälp av enstaka eller flera oberoende variabler, och ANOVA används för att hitta ett gemensamt medelvärde mellan variabler i olika grupper.
- I fallet med regression är antalet feltermer ett, men i fallet med ANOVA är antalet feltermer mer än ett.
Jämförelsetabell
| Grund | Regression | ANOVA | ||
| Definition | Regression är en mycket effektiv statistisk metod för att fastställa förhållandet mellan uppsättningar av variabler. | ANOVA är den korta formen av variansanalys. Den tillämpas på orelaterade grupper för att ta reda på om de har ett gemensamt medelvärde | ||
| Variabelns natur | Regression tillämpas på oberoende variabler eller fasta variabler. | ANOVA tillämpas på variabler som är slumpmässiga | ||
| Typer | Regression används främst i två former. De är linjär regression och multipel regression; det senare är när antalet oberoende variabler är mer än en. | De tre populära typerna av ANOVA är en slumpmässig effekt, fast effekt och blandad effekt. | ||
| Exempel | Ett färgföretag använder lösningsmedel och monomerer som råmaterial, vilket är ett derivat av rå; vi kan köra en regressionsanalys mellan priset på den råvaran och priset på Brent-råpriser. | Antag att två separata forskargrupper undersöker olika produkter som inte är relaterade till varandra. ANOVA hjälper till att hitta vilken som ger bättre resultat. | ||
| Variabler som används | Regression tillämpas på två uppsättningar variabler, en av dem är den beroende variabeln och den andra är den oberoende variabeln. Antalet oberoende variabler i regression kan vara en eller flera än en. | ANOVA tillämpas på variabler från olika, som inte nödvändigtvis är relaterade till varandra. | ||
| Användning av testet | Regression används främst av utövare eller branschexperter för att göra uppskattningar eller förutsägelser för den beroende variabeln. | ANOVA används för att hitta ett vanligt medelvärde mellan variabler i olika grupper. | ||
| Fel | Förutsägelserna från regressionsanalysen är inte alltid önskvärda; det beror på felterm i en regression, denna felterm kallas också rest. I fallet med regression är antalet feltermer ett. | Antalet fel i fall ANOVA, till skillnad från regression, är mer än ett. |
Slutsats
Både regressioner och ANOVA är kraftfulla statistiska verktyg som tillämpas på flera variabler. Regression används för att göra förutsägelser av den beroende variabeln med hjälp av oberoende variabler som har vissa relationer. Det är bra att validera en hypotes om huruvida hypotesen är korrekt eller inte.
Regression används på variabler som är fasta eller oberoende till sin natur och kan göras med användning av en enda oberoende variabel eller flera oberoende variabler. ANOVA används för att hitta ett gemensamt mellan variabler i olika grupper som inte är relaterade till varandra. Det används inte för att göra en förutsägelse eller uppskatta utan för att förstå sambandet mellan uppsättningen variabler.
