Ancova と回帰: 違いと比較

回帰と ANCOVA はどちらも分析的なアプローチおよび手段です。 ANCOVA と回帰にはいくつかの共通点がありますが、大きな違いもあります。

ANCOVA と回帰はどちらも、共変量と呼ばれる予測連続パラメータに依存します。 回帰とは、状況の状態を表す別の言葉です。

学習者や専門家にとって最も一般的な障害の XNUMX つは、回帰と ANCOVA の区別を決定することです。

主要な取り組み

1. 共分散分析 (ANCOVA) は、線形回帰と分散分析 (ANOVA) を組み合わせて、共変量を制御しながら従属変数とさまざまな独立変数の関係を評価する統計的手法です。
2. 線形回帰は、交絡因子を制御せずに従属変数と XNUMX つ以上の独立変数との関係をモデル化する単純な手法です。
3. ANCOVA は、潜在的な交絡因子を考慮する点で線形回帰よりも強力であるため、より正確な結果が得られ、タイプ I エラーのリスクが軽減されます。

アンコーナ vs リグレッション

回帰分析は、従属変数と XNUMX つ以上の独立変数の間の関係をモデル化するために使用される方法です。 ANCOVA は回帰分析の一種で、独立者と独立者間の関係に対する共変量の影響を制御するために使用されます。 従属変数.

の評価 相関 は、被験者によって共変動する追加の進行中の要因の影響を調整しながら、連続性に依存するパラメータに対するカテゴリ要因の直接的かつ相互作用的な影響を調べるために使用されます。 影響を与える要因は「共変量」と呼ばれます。

Ancona は、従属変数 (DV) の平均が、治療として知られるカテゴリ別独立変数 (IV) の次数全体で同じかどうかを判断します。

回帰は、銀行、投資、その他の分野で、Y で表される 1 つの予測変数と一連の予測変数の間の関連の程度とタイプを評価するために使用される数学的アプローチです。

/一連の独立要因から従属量に関連するものを予測したい場合は、回帰分析を利用します。

比較表

比較のパラメータ	アンコーナは統計的アプローチです。	不具合
技術的	統計的なデータを扱います。	回帰は統計的アプローチであり、数学的アプローチでもあります。
且つ	分類された連続したデータを処理します。	ロナルド・フィッシャー卿は、ANCOVA の概念を創設しました。
ひらめき	インスピレーションは農業から来ました。	インスピレーションは地理から来ました。
創設者	ロナルド・フィッシャー卿は、アンコバの概念を確立しました。	フランシス・ガルトン卿は、回帰の概念を確立しました。
日付	20世紀	19世紀

アンコバとは？

Ancova アプローチを使用すると、分析者は、グループ間で異なる曲線のパラメーターを使用して、前件の線形変換として変数の応答をモデル化できます。

基本的なコンセプトは、追加のコンポーネントを統計的プロセス制御として使用して、依存する測定値の変化を説明し、誤差の変動を減少させ、基盤となるアーキテクチャの予測値を高めることです。 

その結果、分散の評価とは異なります。分散の評価は、試験片間の不一致がランダムな変動によるものかどうかを評価することを目的としています。

Ancova は、反応 (基準変数) と少なくとも XNUMX つ以上の回帰モデル (共変量と呼ばれる) を含む集計データを分析します。そのうちの XNUMX つは定数です (パラメトリック、段階的) であり、そのうちの XNUMX つは質的 (公称、スケーリングなし) です。 

Ancona は、サブグループのコレクションにおける回帰モデルの調査に重点を置いています。

ANCOVA モデルは広範な回帰シーケンスに対応し、それらの間で選択するためのメカニズムを含んでいます。

仮定のスクリーニングが主要なアプローチであるため、特にいくつかの可能性を設定する場合には、その基本的な限界を注意深く認識する必要があります。 

Ancona の機能強化には、クロスオーバー、スタッキング、およびそれらの順列などのグループ化アーキテクチャと、単純な線形回帰よりも洗練されたグループ内メソッドが含まれます (校長 コンポーネント法と一般化線形法)。 独立変数と関連付けることができるカテゴリ。

回帰とは何ですか？

回帰分析は、関連性のある XNUMX つ以上の独立変数間の関係を分析および理解するための数学的ツールです。

回帰分析を行うために使用される手法は、どの要素が重要で、どれが無視される可能性があり、それらがどのように相互作用するかを理解するのに役立ちます。

回帰分析は、計画と予測に使用できます。 

これは、の主題と多くの共通点があります。 コンピュータビジョン。 独立したパラメーターが実質的に関連している場合、因子は多重共線性があると見なされます。

多くの回帰アルゴリズム 仮定する その多重共線性はコレクションに存在しません。

これは、関連性に応じて変数を順序付けする場合や、重要な変数を選択するのが難しい場合に困難が伴うためです。 

パラメーターの構造とその広がりを知ることに加えて、さまざまな形式の回帰分析について、いくつかの影響に対処する必要があります。

線形回帰は最も基本的な種類の回帰であり、自由変数と依存変数の間の相関関係を見つけようとします。

このコンテキストでは、依存変数は定数です。 

回帰モデルを扱うときは、概念的なアプローチを完全に理解することが重要です。 問題の説明で投影について言及されている場合は、線形回帰を適用する必要がある可能性が高くなります。

問題の説明に分類アルゴリズムが記載されている場合は、線形回帰モデルを使用する必要があります。 同様に、関連するタイトルに基づいてすべての回帰モデルを評価する必要があります。

Ancovaと回帰の主な違い

1. Ancova は統計における独自の線形分類器ですが、回帰は数学的手法ですが、さまざまな回帰手法を包括する言葉です。 
2. Ancova は定数データと機密データを処理しますが、回帰は統計パラメーターのみを処理します。
3. ANCOVA は農業からインスピレーションを得たと考えられていますが、回帰は地理からインスピレーションを得たと考えられています。
4. アンコヴァをこの世に生み出したのは、 卿 ロナルド・フィッシャー、そして一方で、退行はサー・フランシス・ゴルトンによってこの世界に持ち込まれました。
5. Ancova はおよそ 20 世紀中に誕生しましたが、退化はおよそ 19 世紀に起こりました。

参考文献

1. https://www.sciencedirect.com/science/article/pii/S0895435606000813
2. https://psycnet.apa.org/record/1980-29328-001

最終更新日 : 13 年 2023 月 XNUMX 日