Regression vs ANOVA
Regression och ANOVA (Analysis of Variance) är två metoder i den statistiska teorin för att analysera beteendet hos en variabel jämfört med en annan. I regression är det ofta variationen av beroende variabel baserad på oberoende variabel medan det i ANOVA är variationen av attributen för två urval från två populationer.
Mer om regression
Regression är en statistisk metod som används för att rita sambandet mellan två variabler. När data samlas in kan det ofta finnas variabler som är beroende av andra. Det exakta sambandet mellan dessa variabler kan endast fastställas med regressionsmetoder. Att fastställa detta förhållande hjälper till att förstå och förutsäga beteendet hos en variabel till den andra.
Den vanligaste tillämpningen av regressionsanalysen är att uppskatta värdet av den beroende variabeln för ett givet värde eller värdeintervall för de beroende variablerna. Med hjälp av regression kan vi till exempel fastställa sambandet mellan råvarupriset och konsumtionen baserat på data som samlats in från ett slumpmässigt urval. Regressionsanalys kommer att producera en regressionsfunktion av datamängden, vilket är en matematisk modell som bäst passar de tillgängliga data. Detta kan lätt representeras av ett spridningsdiagram. Grafiskt sett motsvarar regression att hitta den bästa passande kurvan för den givna datamängden. Kurvans funktion är regressionsfunktionen. Med hjälp av den matematiska modellen kan användningen av en vara förutsägas för ett givet pris.
Regressionsanalysen används därför i stor utsträckning för att förutsäga och prognostisera. Det används också för att etablera relationer i experimentella data, inom fysik, kemi och många naturvetenskapliga och tekniska discipliner. Om förhållandet eller regressionsfunktionen är en linjär funktion, är processen känd som en linjär regression. I spridningsdiagrammet kan det representeras som en rak linje. Om funktionen inte är en linjär kombination av parametrarna är regressionen icke-linjär.
Mer om ANOVA (Analysis of Variance)
ANOVA inbegriper inte explicit analys av en relation mellan två eller flera variabler. Snarare kontrolleras om två eller flera urval från olika populationer har samma medelvärde. Tänk till exempel på provresultaten från ett prov som hålls för ett betyg i skolan. Även om proven är olika kan prestationerna vara lika från klass till klass. En metod för att verifiera detta är att jämföra medel för varje klass. ANOVA eller ANAlysis Of Variance gör att denna hypotes kan testas. I grunden kan ANOVA betraktas som en förlängning av t-testet, där medelvärdena för de två stickproven från två populationer jämförs.
Fundamental idé med ANOVA är att beakta variationen inom urvalet och variationen mellan stickproven. Variationen inom urvalet kan hänföras till slumpmässigheten, medan variationen mellan urvalen kan hänföras till både slumpmässighet och andra externa faktorer. Variansanalys baseras på tre modeller; modell med fasta effekter, modell med slumpmässiga effekter och modell med blandade effekter.
Vad är skillnaden mellan regression och ANOVA?
• ANOVA är analysen av variation mellan två eller flera sampel medan regression är analysen av en relation mellan två eller flera variabler.
• ANOVA-teorin tillämpas med tre grundläggande modeller (modell med fasta effekter, modell för slumpmässiga effekter och modell med blandade effekter) medan regression tillämpas med två modeller (linjär regressionsmodell och multipel regressionsmodell).
• ANOVA och Regression är båda två versioner av den allmänna linjära modellen (GLM). ANOVA baseras på kategoriska prediktorvariabler, medan regression baseras på kvantitativa prediktorvariabler.
• Regression är den mer flexibla tekniken och den används för att prognostisera och förutsäga medan ANOVA används för att jämföra jämställdheten mellan två eller flera populationer.
