本站分享:大数据、数据分析师考试认证培训,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训广告位

相关性分析和回归性分析的区别_相关性分析与回归分析

spss培训 cdadata 986℃ 0评论

相关性分析和回归性分析的区别

关键词:相关性分析与回归分析相关性分析和回归分析回归分析 相关性分析

刚看了一篇外文文献,其中提到了几个变量之间的相关性分析。作者用SPSS得出A与B的相关性系数约为0.09,但显著性水平大于0.05即不显著。随后继续作回归性分析(未阐明是否是多元线性)结论是BETA 值0.35,显著性水平小于0.05。
因此有个疑问,既然相关性分析得出的结论是两已经不显著相关了,为何还要继续回归分析,回归分析不是得出具体的何种相关关系系数的吗?求正解。


谈点自己的理解:
1、相关与回归在只有两个变量的情况下其实说的差不多是一回事。
2、多变量情况下,可以用回归做预测,考虑调节变量,共线性问题,和多元回归一些其他功能,所以,继续做回归,还是两个变量,真的没必要,如果多变量情况下,还是可以考虑的。
相关只是看变量之间是否有关系,但是谁影响谁看不出来,而回归分析在相关的基础上,还存在着因果关系。这是二者之间在逻辑上最大的差别


一个不显著的相关系数不一定意味着变量间没有关系  可能有三种情况:1,真的没有关系,2,有一定线性关系,由于样本小、误差大而未能检验出,3,可能是非线性关系。
而一个显著的回归并不一定具有实践的预测、控制意义,还要看决定系数的


个人感觉是否是在做回归分析时,校正了某些因素。
我的疑问和楼主恰恰相反:既然做了回归分析,为什么还要标明相关系数?
spss在做回归时自动进行了pearson相关分析,而这个结果基本是不看的,只看回归系数就好了。


相关分析是两两变量间的简单相关 不是偏相关分析 它的结果与多元分析中肯定是不一样的 因为没有控制的概念在里面  偏 相关的结果与多元回归分析中的结果肯定就一致了


看完之后,总结一下:
当变量之间已经确认显著相关时,通过相关分析可以了解两者的相关程度,而回归分析则可以通过确定系数展现因果关系,同时有预测的功能。
当变量之间确认是弱相关或者不相关时,除真正不相关外,样本量少,误差大和可能非线性相关;后两者则可以通过回归分析体现。


相关性分析是对两个因子变量的相关性分析,如果相关系《0.01,为极显著水平,用“**”做上标;《0.05为显著水平,用“*”做上标。这样做的意义是看这两个因子的影响来源是否同源的。同源是显著或极显著;不同源是不显著。一般形式是上三角或下三角的形式。
回归分析就是拟合直线或曲线的,拟合的好不好用回归系数衡量,越显著即系数越小,拟合的越好。一般用来给出一个值求出另外一个值的。
我是做生态统计方面的,用过这些。


Spss做的相关分析是线性相关检验,不显著只能说明变量间不存在线性关系。可能存在非线性关系的,故而回归显著!

 

转载请注明:数据分析 » 相关性分析和回归性分析的区别_相关性分析与回归分析

喜欢 (1)or分享 (0)

您必须 登录 才能发表评论!