Gan regresija, gan ANCOVA ir analītiskas pieejas un instrumenti. ANCOVA un regresijai ir vairākas kopīgas iezīmes, taču tām ir arī būtiskas atšķirības.
Gan ANCOVA, gan regresija ir atkarīga no paredzamā kontinuuma parametra, ko sauc par kovariātu. Regresija ir cits vārds, kas apzīmē lietu stāvokli.
Viens no visbiežāk sastopamajiem klupšanas akmeņiem audzēkņiem un profesionāļiem ir regresijas un ANCOVA atšķirības noteikšana.
Atslēgas
- Kovariācijas analīze (ANCOVA) ir statistikas metode, kas apvieno lineāro regresiju un dispersijas analīzi (ANOVA), lai novērtētu attiecības starp atkarīgo mainīgo un dažādiem neatkarīgiem mainīgajiem, vienlaikus kontrolējot kovariācijas.
- Lineārā regresija ir vienkāršāka metode, kas modelē attiecības starp atkarīgo mainīgo un vienu vai vairākiem neatkarīgiem mainīgajiem, nekontrolējot nekādus traucējošus faktorus.
- ANCOVA ir jaudīgāka par lineāro regresiju, lai ņemtu vērā iespējamos neskaidrības, tādējādi nodrošinot precīzākus rezultātus un samazinot I tipa kļūdu risku.
Ankona pret regresiju
Regresijas analīze ir metode, ko izmanto, lai modelētu attiecības starp atkarīgo mainīgo un vienu vai vairākiem neatkarīgiem mainīgajiem. ANCOVA ir regresijas analīzes veids, ko izmanto, lai kontrolētu kovariāta ietekmi uz attiecībām starp neatkarīgo un atkarīgie mainīgie.
Novērtējums korelācija tiek izmantots, lai pārbaudītu kategorisko faktoru tiešo un interaktīvo ietekmi uz nepārtrauktību atkarīgu parametru, vienlaikus pielāgojoties papildu pastāvīgo faktoru ietekmei, kas mainās atkarībā no subjekta. Ietekmējošie faktori tiek saukti par "kovariātiem".
Ankona nosaka, vai atkarīgā mainīgā (DV) vidējie lielumi ir vienādi kategoriskā neatkarīgā mainīgā (IV) pakāpēs, ko sauc par ārstēšanu.
Regresija ir matemātiska pieeja, ko izmanto banku, investīciju un citās jomās, lai novērtētu saiknes pakāpi un veidu starp vienu prognozējamo mainīgo, ko attēlo Y, un prognozējamo mainīgo secību.
/Ja vēlaties prognozēt ar atkarīgo lielumu no neatkarīgu faktoru kopas, izmantojiet regresijas analīzi.
Salīdzināšanas tabula
Salīdzināšanas parametri | Ankona ir statistikas pieeja. | Regress |
---|---|---|
Tehnisks | Apstrādā datus, kas ir statistiski. | Regresija ir gan statistiska, gan matemātiska pieeja. |
Datums | Apstrādā klasificētus un nepārtrauktus datus. | Sers Ronalds Fišers nodibināja ANCOVA koncepciju. |
iedvesma | Iedvesma nāca no lauksaimniecības. | Iedvesma nāca no ģeogrāfijas. |
dibinātājs | Sers Ronalds Fišers nodibināja ankovas koncepciju. | Sers Frensiss Galtons nodibināja regresijas jēdzienu. |
datums | 20th gadsimts | 19th gadsimts |
Kas ir Ancova?
Ancovas pieeja ļauj analītiķiem modelēt mainīgā lieluma reakciju kā priekšteča lineāru transformāciju, kur līknes parametri dažādās grupās atšķiras.
Pamatkoncepcija ir izmantot papildu komponentus kā statistikas procesa kontroli, lai izskaidrotu izmaiņas atkarīgajos rādītājos, samazinātu kļūdu svārstības un palielinātu pamatā esošās arhitektūras paredzamo vērtību.
Rezultātā tas atšķiras no dispersijas novērtējuma, kas paredzēts, lai novērtētu, vai neatbilstības testa paraugos ir radušās nejaušu svārstību dēļ.
Ancova analizē apkopotos datus, kas ietver reakciju (kritērija mainīgo) un trīs vai vairākus regresijas modeļus (saukti par kovariātiem), no kuriem vismaz viens ir nemainīgs (parametrisks, novērtēts) un viens no tiem ir kvalitatīvs (nomināls, bez mēroga).
Ankona ir vērsta uz regresijas modeļu izpēti apakšgrupu kolekcijā.
ANCOVA modeļos ir iekļautas plašas regresijas secības un ir mehānismi izvēlei starp tām.
Tā kā pieņēmumu skrīnings ir primārā pieeja, rūpīgi jāatzīst tās fundamentālās robežas, jo īpaši, nosakot vairākas iespējas.
Ankonas uzlabojumi ietver grupēšanas arhitektūras, piemēram, krustojumu, sakraušanu un to permutācijas, kā arī grupas iekšējās metodes, kas ir sarežģītākas nekā vienkārša lineārā regresija (galvenais komponentu un vispārinātās lineārās metodes). Kategorijas, kuras var saistīt ar neatkarīgiem mainīgajiem.
Kas ir regresija?
Regresijas analīze ir matemātisks instruments, lai analizētu un izprastu saistību starp diviem vai vairākiem neatkarīgiem nozīmīgiem mainīgajiem.
Regresijas analīzes veikšanai izmantotā tehnika palīdz saprast, kuri elementi ir nozīmīgi, kurus var neņemt vērā un kā tie mijiedarbojas viens ar otru.
Regresijas analīzi var izmantot plānošanai un prognozēšanai.
Tam ir daudz kopīga ar tēmu datora vīzija. Faktori tiek uzskatīti par daudzkolineāriem, ja neatkarīgie parametri ir būtiski saistīti.
Daudzi regresijas algoritmi prezumēts ka multikolinearitāte kolekcijā nepastāv.
Tas ir tāpēc, ka mainīgo lielumu pasūtīšana atkarībā no to atbilstības rada grūtības vai būtisku mainīgo lielumu izvēle.
Papildus parametru struktūras un to izplatības pārzināšanai ir jārisina dažas ietekmes uz dažādiem regresijas analīzes veidiem.
Lineārā regresija ir visvienkāršākais regresijas veids, kas mēģina atrast korelācijas starp brīvajiem un atkarīgajiem mainīgajiem.
Atkarīgais mainīgais šajā kontekstā ir nemainīgs.
Strādājot ar regresijas modeli, ir ļoti svarīgi pilnībā izprast konceptuālo pieeju. Ja problēmas aprakstā ir minēta projicēšana, visticamāk, jāizmanto lineārā regresija.
Lineārās regresijas modelis ir jāizmanto, ja problēmas aprakstā ir minēts klasifikācijas algoritms. Tāpat jums ir jānovērtē visi mūsu regresijas modeļi, pamatojoties uz nosaukumu.
Galvenās atšķirības starp Ancovu un regresiju
- Ancova ir unikāls lineārais statistikas klasifikators, savukārt regresija ir matemātisks paņēmiens, lai gan tas ir aptverošs vārds dažādām regresijas metodēm.
- Ancova apstrādā nemainīgus un klasificētus datus, savukārt regresija apstrādā tikai statistikas parametrus.
- ANCOVA, domājams, iedvesmoja lauksaimniecība, savukārt regresiju, domājams, iedvesmoja ģeogrāfija.
- Ancovu šajā pasaulē ienesa Kungs Ronaldu Fišeru, un, no otras puses, regresiju šajā pasaulē ienesa sers Frensiss Galtons.
- Ancova radās aptuveni 20. gadsimtā, savukārt regresija notika aptuveni 19. gadsimtā.
- https://www.sciencedirect.com/science/article/pii/S0895435606000813
- https://psycnet.apa.org/record/1980-29328-001
Pēdējo reizi atjaunināts: 13. gada 2023. jūlijā
Emma Smita ir ieguvusi maģistra grādu angļu valodā no Irvine Valley College. Kopš 2002. gada viņa ir žurnāliste, rakstot rakstus par angļu valodu, sportu un tiesībām. Lasiet vairāk par mani par viņu bio lapa.
Ziņa piedāvā būtisku informāciju par būtiskām atšķirībām starp ANCOVA un regresiju. Labs lasījums.
Ancovas pamatjēdziens tika labi izskaidrots. Šķiet, ka tas ir spēcīgs instruments regresijas modeļu analīzei.
Es nezināju, ka arī ANCOVA ir iedvesmojusies no ģeogrāfijas. Ļoti izglītojošs saturs.
Regresija un ANCOVA abas analītiskās pieejas, kas apvieno lineāro regresiju un dispersijas analīzi, taču šķiet, ka ANCOVA ir jaudīgāka un precīzāka metode kovariātu kontrolei. Ļoti informatīvs.
Interesanti uzzināt par ANCOVA un regresijas izcelsmi, taču daži citi piemēri būtu bijuši noderīgi.
Piekrītu, atšķirību starp regresiju un ANCOVA var būt grūti aptvert. Šajā rakstā sniegtā informācija sniedz skaidru skaidrojumu.
Ziņa sniedz visaptverošu salīdzinājumu starp ANCOVA un regresiju. Ļoti saprotams statistiskai analīzei.
Ziņojumā iekļautās atsauces piedāvā uzticamību. Ir skaidrs, ka ANCOVA nozīme attiecību novērtēšanā starp atkarīgiem un neatkarīgiem mainīgajiem.