ANCOVA ve Regresyon Arasındaki Fark
ANCOVA - Bölümleme Varyansı
ANCOVA ile Regresyon
Hem ANCOVA hem de regresyon istatistiksel teknikler ve araçlar. ANCOVA ve regresyon birçok benzerliği paylaşır, ancak bazı ayırt edici özelliklere sahiptir. ANCOVA ve regresyon, sürekli bir prediktör değişken olan bir kovaryate dayanmaktadır.
ANCOVA, Kovaryans Analizi'nin kısaltmasıdır. Tek yönlü ANOVA (Varyans Analizi) ve regresyonun bir varyantı olan doğrusal regresyonun bir kombinasyonudur. Hem kategorik hem de sürekli değişkenlerle ilgilenir. Bir başka değişkendeki değişkenlikten dolayı bir değişkenin kapsamını belirlemek için belirli bir istatistiksel yöntemdir.
ANCOVA temelde ANOVA olup, daha karmaşıktır ve mevcut bir ANOVA modeli için sürekli değişken eklenmektedir. ANCOVA'nın bir başka formu MANCOVA'dır (Kovaryansın Çok Değişkenli Analizi). Dahası, ANCOVA, sürekli bir sonuç değişkeni ve iki veya daha fazla öngördürücü değişken içeren genel bir doğrusal modeldir. İki öngördürücü değişken, hem sürekli hem de kategorik değişkenlerdir.
Sürekli bir değişkende, veriler niceliksel ve ölçeklendirilirken, kategorik veriler nominal ve ölçeksiz olarak karakterize edilir. ANCOVA, ağırlıklı olarak deneysel tasarımlarda bir aralık ölçeğinde hesaplanabilen randomize edilemeyen faktörleri kontrol etmek için kullanılırken, gözlemsel tasarımlarda kategorik bağımsızlar ve aralık bağımlıları arasındaki ilişkiyi değiştiren değişken etkileri silmek için kullanılır. MANCOVA, temel işlevinin regresyonları hem kategorik hem de aralıksız bağımsızlıklara sığdırdığı regresyon modellerinde bir miktar kullanmaktadır.
ANCOVA, bağımlı değişkenin bağımsız değişkene doğrusal olması gereken lineer regresyona dayanan bir modeldir. MANCOVA'nın kökenleri ve ANOVA, ana değişkenlerin mahsul verimleri ile ilişkili olduğu tarımdan kaynaklanmaktadır.
Öte yandan, gerileme birçok varyantta bulunan istatistiksel bir araçtır. Bu değişkenler, doğrusal regresyon modeli, basit doğrusal regresyon, lojistik regresyon, doğrusal olmayan regresyon, parametrik olmayan regresyon, sağlam regresyon ve aşamalı regresyonu içerir. Regresyon, sürekli değişkenlerle ilgilidir.
Lineer regresyon
Regresyon, bağımlı değişken ve bağımsız değişken arasındaki ilişkidir. Bu modelde, bir bağımlı değişken ve bir veya daha fazla bağımsız değişken vardır. Bağımsız değişkenden birindeki değişiklikler nedeniyle bağımlı değişkenin değerlerinin değişimini anlamak için bir çaba da bulunmaktadır. Bu durumda, diğer bağımsız değişkenler sabit kalır.
Regresyonda iki temel tip vardır: doğrusal regresyon ve çoklu regresyon. Doğrusal regresyonda, bir bağımsız değişken, "Y" nin sonucunu açıklamak ve / veya tahmin etmek için kullanılır (değişken tahmin etmeye çalışıyor). Öte yandan, regresyonun sonucu tahmin etmek için bir değil iki veya daha fazla bağımsız değişken kullandığı çoklu değişken vardır.
Hem doğrusal hem de doğrusal regresyon için denklem: Y = a + bX + u, çoklu regresyon için form ise: Y = a + b1X1 + b2X2 + B3X3 + … + BtXt + u şeklindedir.
Her iki denklemde de "Y", tahmin etmeye çalıştığımız değişkeni belirtir; "X", "Y" değişkenini tahmin etmenin değişken aracıdır; "A" kesişim, "b" eğim, "u" regresyon kalıntısı olarak görev yapıyor. Kesişim noktası, eğim ve regresyon kalıntısı sabit kaldığına dikkat edilmelidir.
Regresyon, sürekli bir sonucun tahmin edilmesi ve öngörülmesi için bir yöntemdir. Sürekli sonuç için kullanılacak yöntemdir ve bir veya daha fazla sürekli prediktör değişkenine dayanmaktadır. Regresyon, amacı Dünyanın gerçek boyutunu bulmaya çalışan coğrafyadan başladı.
Özet:
1. ANCOVA, istatistikte belirli, doğrusal bir modeldir. Regresyon da istatistiksel bir araçtır, ancak çok sayıda regresyon modeli için şemsiye bir terimdir. Regresyon da ilişkilerin durumunun bir adıdır.
2. ANCOVA, sürekli ve kategorik değişkenlerle ilgilenirken, regresyon yalnızca sürekli değişkenlerle ilgilidir.
3. ANCOVA ve regresyon belirli bir modeli paylaşmaktadır - doğrusal regresyon modeli.
4. Hem ANCOVA hem de regresyon, gerçek hesaplamaları yapmak için özel yazılımlar kullanılarak yapılabilir.
5. ANCOVA tarım alanından gelmişken, gerileme coğrafyadan kaynaklanmıştır.
