Verschil tussen ANCOVA en regressie

ANCOVA - Partitioning Variance

ANCOVA versus regressie

Zowel ANCOVA als regressie zijn statistische technieken en hulpmiddelen. ANCOVA en regressie delen veel overeenkomsten maar hebben ook enkele onderscheidende kenmerken. Zowel ANCOVA als regressie zijn gebaseerd op een covariabele, een continue voorspellende variabele.

ANCOVA staat voor Analysis of Covariance. Het is een combinatie van one-way ANOVA (Analysis of Variance) en lineaire regressie, een variant van regressie. Het behandelt zowel categorische als continue variabelen. Het is een specifieke statistische methode voor het bepalen van de mate van de variantie van één variabele die het gevolg is van de variabiliteit in een andere variabele.

ANCOVA is eigenlijk een ANOVA met meer verfijning en de toevoeging van een continue variabele aan een bestaand ANOVA-model. Een andere vorm van ANCOVA is MANCOVA (Multivariate analyse van Covariance). Bovendien is ANCOVA een algemeen lineair model met een continue uitkomstvariabele en twee of meer voorspellende variabelen. De twee voorspellende variabelen zijn zowel continue als categorische variabelen.

In een continue variabele zijn de gegevens kwantitatief en geschaald, terwijl categorische gegevens worden gekenmerkt als nominaal en niet-geschaald. ANCOVA wordt hoofdzakelijk gebruikt om factoren te controleren die niet willekeurig kunnen worden gerangschikt, maar kan nog steeds worden berekend op een intervalschaal in experimentele ontwerpen, terwijl het op de observationele ontwerpen wordt gebruikt om de variabele effecten te wissen die de relatie tussen categorische onafhankelijken en intervalafhankelijken veranderen. MANCOVA heeft ook enig nut in regressiemodellen, waarvan de hoofdfunctie erin bestaat de regressies in zowel categorische als interval-onafhankelijken in te passen.

ANCOVA is een model dat vertrouwt op lineaire regressie waarbij de afhankelijke variabele lineair moet zijn ten opzichte van de onafhankelijke variabele. De oorsprong van MANCOVA en ANOVA komt voort uit de landbouw, waar de belangrijkste variabelen betrekking hebben op gewasopbrengsten.

Aan de andere kant is regressie ook een statistische tool die in veel varianten beschikbaar is. Deze varianten omvatten het lineaire regressiemodel, eenvoudige lineaire regressie, logistische regressie, niet-lineaire regressie, niet-parametrische regressie, robuuste regressie en stapsgewijze regressie. Regressie gaat over continue variabelen.

Lineaire regressie

Regressie is de relatie tussen een afhankelijke variabele en een onafhankelijke variabele ten opzichte van elkaar. In dit model is er één afhankelijke variabele en een of meer onafhankelijke variabelen. Er is ook een poging om de verandering van de waarden van de afhankelijke variabele te begrijpen als gevolg van veranderingen in een van de onafhankelijke varianten. In deze situatie blijven de andere onafhankelijke varianten gefixeerd.

In regressie zijn er twee basistypen: lineaire regressie en meervoudige regressie. In lineaire regressie wordt de ene onafhankelijke variabele gebruikt om de uitkomst van "Y" (die de variabele probeert te voorspellen) te verklaren en / of te voorspellen. Aan de andere kant is er ook het meervoud, waarbij regressie niet één, maar twee of meer onafhankelijke variabelen gebruikt om de uitkomst te voorspellen.

De vergelijking voor zowel lineaire als lineaire regressie is: Y = a + bX + u, terwijl de vorm voor meervoudige regressie is: Y = a + b1X1 + b2X2 + B3X3 + ... + BtXt + u.

In beide vergelijkingen staat de "Y" voor de variabele die we proberen te voorspellen; de "X" is de variabele tool om de "Y" -variabele te voorspellen; "A" is het snijpunt, "b" is de helling en "u" dient als restresidentie van de regressie. Opgemerkt moet worden dat het snijpunt, de helling en de regressieresidentie constant zijn.

Regressie is de methode voor het voorspellen en voorspellen van een continu resultaat. Het is de methode die moet worden gebruikt voor de continue uitkomst en is gebaseerd op een of meer continue voorspellende variabelen. Regressie begon vanuit het veld van de geografie waarvan het doel is om te proberen de ware grootte van de aarde te vinden.

Samenvatting:

1. ANCOVA is een specifiek, lineair model in statistieken. Regressie is ook een statistische tool, maar het is een overkoepelende term voor een veelvoud aan regressiemodellen. Regressie is ook de naam van de staat van relaties.
2. ANCOVA behandelt zowel continue als categorische variabelen, terwijl regressie alleen betrekking heeft op continue variabelen.
3. ANCOVA en regressie delen een bepaald model - het lineaire regressiemodel.
4. Zowel ANCOVA als regressie kunnen worden gedaan met behulp van gespecialiseerde software om de daadwerkelijke berekeningen uit te voeren.
5. ANCOVA kwam uit het veld van de landbouw, terwijl regressie voortkwam uit de studie van de geografie.