Kdy byste měli použít korelaci a kdy byste měli použít jednoduchou lineární regresi?
Kdy byste měli použít korelaci a kdy byste měli použít jednoduchou lineární regresi?

Video: Kdy byste měli použít korelaci a kdy byste měli použít jednoduchou lineární regresi?

Video: Kdy byste měli použít korelaci a kdy byste měli použít jednoduchou lineární regresi?
Video: Indikátor Lineární Regrese MetaTrader Supreme Edition 2024, Listopad
Anonim

Regrese je primárně zvyklý vytvářet modely/rovnice na předvídat klíčovou odezvu, Y, ze sady prediktorových (X) proměnných. Korelace je primárně zvyklý rychle a výstižně shrnout směr a sílu vztahů mezi souborem 2 nebo více číselných proměnných.

Také je třeba vědět, kdy byste měli použít lineární regresi?

Tři hlavní používá pro regrese analýzy jsou (1) určení síly prediktorů, (2) předpovídání účinku a (3) předpovídání trendů. Za prvé, regrese může být použito na identifikovat sílu vlivu, který mají nezávislé proměnné na závisle proměnnou.

Také, kdy by měla být použita korelace? Korelace je použitý k popisu lineárního vztahu mezi dvěma spojitými proměnnými (např. výškou a hmotností). Obecně, korelace bývá použitý když neexistuje žádná identifikovaná proměnná odezvy. Měří sílu (kvalitativní) a směr lineárního vztahu mezi dvěma nebo více proměnnými.

Lze se také zeptat, jaký je rozdíl mezi jednoduchou lineární regresí a korelací?

Regrese popisuje, jak nezávislá proměnná číselně souvisí se závisle proměnnou. Korelace se používá k reprezentaci lineární vztah mezi dvě proměnné. Naopak, regrese se používá k přizpůsobení nejlepší čáry a odhadu jedné proměnné na základě z další proměnná.

Co platí o Pearsonově korelaci a jednoduché lineární regresi?

Pearsonova korelace a Lineární regrese . A korelace analýza poskytuje informace o síle a směru lineární vztah mezi dvěma proměnnými, zatímco a jednoduchá lineární regresní analýza odhaduje parametry v a lineární rovnice, kterou lze použít k predikci hodnot jedné proměnné na základě druhé

Doporučuje: