T 検定と線形回帰: 違いと比較

T 検定と線形回帰は、推論統計に関連する用語です。 統計的手法は、小さいながらも実例となるサンプルを取得することで、母集団を一般化して予測するのに役立ちます。

主なポイント

1. t 検定は、XNUMX つのグループの平均値を比較するために使用される統計検定です。 同時に、線形回帰は、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の方法です。
2. T 検定はグループ間の差が有意かどうかを判断するのに役立ちますが、線形回帰は独立変数の値に基づいて従属変数の値を予測できます。
3. t 検定は平均の比較に限定されますが、線形回帰は複雑な関係をモデル化し、交絡変数を制御できます。

T検定と線形回帰

T 検定と線形回帰の違いは、線形回帰は XNUMX つまたは XNUMX つの変数間の相関関係を直線で明らかにするために適用されることです。 同時に、T 検定は、単純な線形回帰から導出された勾配係数または回帰係数に適用される仮説検定のツールの XNUMX つです。

一方、 T検定 は仮説検定で使用される検定の XNUMX つであり、線形回帰は回帰分析のタイプの XNUMX つです。

T 検定とは、XNUMX つのグループの平均値の差が顕著かどうか、つまり、その差が偶然に生じたものではないかどうかを判断するために行う仮説検定の XNUMX つです。

---

 

比較表

比較パラメータ	T検定	直線回帰
統計的方法	T 検定は、仮説検定のツールの XNUMX つであり、推論統計の手法でもあります。	線形回帰は、回帰分析の一種であり、推論統計手法でもあります。
使用法	T 検定は、観測された XNUMX つのデータ セットの平均を比較し、その差がどの程度「偶然」であるかを調べるために使用されます。	線形回帰は、XNUMX つの従属変数または結果変数と XNUMX つ以上の独立変数または予測変数の間の関係を見つけるために使用されます。
種類	T 検定には、独立サンプル t 検定 (2 つのデータ セットの平均を比較)、対応のあるサンプル t 検定 (異なる間隔として同一のデータ セットの標準を比較)、および 1 つのサンプル t 検定 (単一のデータ セットの平均を既知の平均と比較) の 3 種類があります。	線形回帰には、単純線形回帰 (XNUMX つの従属変数と XNUMX つの独立変数で構成される) と多重線形回帰 (XNUMX つの従属変数と XNUMX つ以上の独立変数で構成される) の XNUMX つのタイプがあります。
実用化	T 検定は、XNUMX つの異なる投資戦略の下で管理される XNUMX つの異なるポートフォリオからのリターンをテストするために使用できます。 醸造会社でスタウトの安定した品質をチェックするために最初に使用されました。	線形回帰は、顧客の行動、価格設定、企業の売上、天気、GDP 成長などの予測を観察するために使用されます。
使用できる変数またはセットの数。	XNUMX つの T 検定で使用できるのは、XNUMX セットのデータまたはグループのみです。	リグレッサンドは XNUMX つしかありませんが、リグレッサーの数は XNUMX つ以上になる場合があります。

---

 

T検定とは？

T 検定は、XNUMX つの異なるデータ セットとその平均または平均を比較するための仮説検定で使用される手段の XNUMX つです。

これは、ギネスという醸造会社で働いていた化学者であるウィリアム・シーリー・ゴセットによって、スタウトの一貫した品質を監視するために初めて使用されました。

徐々にアップグレードされ、現在では、帰無仮説 (仮定データのセット間に関係が存在しないこと) が正しいことが証明されます。

T 検定には次の XNUMX 種類があります。

1. 独立サンプルの T 検定: これは、観測されたデータとその平均の XNUMX つの異なるセットを比較するために使用されます。
2. 対応のある標本の T 検定: 異なる時間に観測された XNUMX セットのデータの平均を比較します。
3. XNUMX サンプル T 検定: 単一のデータセットの平均と既知の標準を比較します。

仮説を検証するためのアプローチとして、T検定はかなり 保守的な. XNUMX つのデータ セットにのみ適用でき、小さなデータ セットにのみ適しています。

 

線形回帰とは何ですか？

線形回帰は、 推測統計 従属変数 (Y) と XNUMX つ以上の独立変数 (X) の間の相関関係を直線を使用して説明しようとします。

1. 一連の説明変数は結果変数を正しく予測しますか?
2. もしそうなら、従属変数または結果変数に有意に影響する最も顕著な独立変数または説明変数はどれですか?
3. そして最後に、これらの独立変数または説明変数の変化は、結果変数または従属変数にどの程度影響しますか?

同様に、従属変数と独立変数の関係は、従属変数が減少して独立変数が増加する場合、有害であると言われます。

線形回帰には XNUMX つの用途があります。

1. 独立変数の強さ、つまり、それらが独立変数にどの程度影響するかを決定するため。
2. 独立変数によって引き起こされる従属変数の変化を予測するため。
3. 将来の傾向と価値を予測するため。

線形回帰には 2 つの種類があります。 単純な線形回帰 XNUMX つの従属変数と XNUMX つの独立変数で構成される重回帰分析と、従属変数と XNUMX つ以上の独立変数で構成される重回帰分析です。

---

T検定と線形回帰の主な違い

1. 線形回帰と T 検定の主な違い 線形回帰は、回帰と XNUMX つ以上の回帰変数との間の相関関係、および後者が前者に影響を与える程度を説明するということです。
2. 線形回帰分析は大規模なデータ セットでも実行できますが、T 検定は小規模なデータ セットにのみ適しています。

---

参考情報

1. https://www.banglajol.info/index.php/JSR/article/view/9067
2. https://injuryprevention.bmj.com/content/4/1/52.short