
回歸分析和相關(guān)分析_數(shù)據(jù)分析師培訓(xùn)
回歸分析和相關(guān)分析是互相補(bǔ)充、密切聯(lián)系的,相關(guān)分析需要回歸分析來表明現(xiàn)象數(shù)量關(guān)系的具體形式,而回歸分析則應(yīng)該建立在相關(guān)分析的基礎(chǔ)上。
主要區(qū)別有:一,在回歸分析中,不僅要根據(jù)變量的地位,作用不同區(qū)分出自變量和因變量,把因變量置于被解釋的特殊地位,而且以因變量為隨機(jī)變量,同時(shí)總假定自變量是非隨機(jī)的可控變量.在相關(guān)分析中,變量間的地位是完全平等的,不僅無自變量和因變量之分,而且相關(guān)變量全是隨機(jī)變量. 二,相關(guān)分析只限于描述變量間相互依存關(guān)系的密切程度,至于相關(guān)變量間的定量聯(lián)系關(guān)系則無法明確反映.而回歸分析不僅可以定量揭示自變量對應(yīng)變量的影響大小,還可以通過回歸方程對變量值進(jìn)行預(yù)測和控制.
相關(guān)分析與回歸分析均為研究2個(gè)或多個(gè)變量間關(guān)聯(lián)性的方法,但2種數(shù)理統(tǒng)計(jì)方法存在本質(zhì)的差別,即它們用于不同的研究目的。(CDA數(shù)據(jù)分析師培訓(xùn))相關(guān)分析的目的在于檢驗(yàn)兩個(gè)隨機(jī)變量的共變趨勢(即共同變化的程度),回歸分析的目的則在于試圖用自變量來預(yù)測因變量的值。
在相關(guān)分析中,兩個(gè)變量必須同時(shí)都是隨機(jī)變量,如果其中的一個(gè)變量不是隨機(jī)變量,就不能進(jìn)行相關(guān)分析,這是相關(guān)分析方法本身所決定的。對于回歸分析,其中的因變量肯定為隨機(jī)變量(這是回歸分析方法本身所決定的),而自變量則可以是普通變量(有確定的取值)也可以是隨機(jī)變量。
在統(tǒng)計(jì)學(xué)教科書中習(xí)慣把相關(guān)與回歸分開論述,其實(shí)在應(yīng)用時(shí),當(dāng)兩變量都是隨機(jī)變量時(shí),常需同時(shí)給出這兩種方法分析的結(jié)果;
如果自變量是普通變量,即模型Ⅰ回歸分析,采用的回歸方法就是最為常用的最小二乘法。如果自變量是隨機(jī)變量,即模型Ⅱ回歸分析,所采用的回歸方法與計(jì)算者的目的有關(guān)。在以預(yù)測為目的的情況下,仍采用“最小二乘法”(但精度下降—最小二乘法是專為模型Ⅰ 設(shè)計(jì)的,未考慮自變量的隨機(jī)誤差);在以估值為目的(如計(jì)算可決系數(shù)、回歸系數(shù)等)的情況下,應(yīng)使用相對嚴(yán)謹(jǐn)?shù)姆椒ǎㄈ纭爸鬏S法”、“約化主軸法”或“Bartlett法” )。顯然,對于回歸分析,如果是模型Ⅱ回歸分析,鑒于兩個(gè)隨機(jī)變量客觀上存在“相關(guān)性”問題,只是由于回歸分析方法本身不能提供針對自變量和因變量之間相關(guān)關(guān)系的準(zhǔn)確的檢驗(yàn)手段,因此,若以預(yù)測為目的,最好不提“相關(guān)性”問題;若以探索兩者的“共變趨勢”為目的,應(yīng)該改用相關(guān)分析。如果是模型Ⅰ回歸分析,就根本不可能回答變量的“相關(guān)性”問題,因?yàn)槠胀ㄗ兞颗c隨機(jī)變量之間不存在“相關(guān)性”這一概念(問題在于,大多數(shù)的回歸分析都是模型Ⅰ回歸分析?。?。此時(shí),即使作者想描述2個(gè)變量間的“共變趨勢”而改用相關(guān)分析,也會(huì)因相關(guān)分析的前提不存在而使分析結(jié)果毫無意義。
需要特別指出的是,回歸分析中的R2在數(shù)學(xué)上恰好是Pearson積矩相關(guān)系數(shù)r的平方。因此,這極易使作者們錯(cuò)誤地理解R2的含義,認(rèn)為R2就是 “相關(guān)系數(shù)”或“相關(guān)系數(shù)的平方”。問題在于,對于自變量是普通變量(即其取值有確定性的變量)、因變量為隨機(jī)變量的模型Ⅰ回歸分析,2個(gè)變量之間的“相關(guān)性”概念根本不存在,又何談“相關(guān)系數(shù)”呢?更值得注意的是,一些早期的教科書作者不是用R2來描述回歸效果(擬合程度,擬合度)的,而是用Pearson積矩相關(guān)系數(shù)來描述。這就更容易誤導(dǎo)讀者。
一個(gè)不顯著的相關(guān)系數(shù)不一定意味著變量間沒有關(guān)系 可能有三種情況:1,真的沒有關(guān)系,2,有一定線性關(guān)系,由于樣本小、誤差大而未能檢驗(yàn)出,3,可能是非線性關(guān)系。
而一個(gè)顯著的回歸并不一定具有實(shí)踐的預(yù)測、控制意義,還要看決定系數(shù)的
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10