回归分析和相关分析的联系和区别

1、回归分析和相关分析的联系和区别时间:2011-09-18 18:33来源:不详 作者:中国统计网 围观: 379 次问：回归分析和相关分析的联系和区别答：回归分析(Regression)：Dependant variable is defined and can be forecasted by independent variable.相关分析(Correlation)：The relationship btw two variables. - A dose not define or determine B. 回归更有用自变量解释因变量的意思，有一点点因果关系在里面，并且可以是线性或者非线

2、形关系；相关更倾向于解释两两之间的关系，但是一般都是指线形关系，特别是相关指数，有时候图像显示特别强二次方图像，但是相关指数仍然会很低，而这仅仅是因为两者间不是线形关系，并不意味着两者之间没有关系，因此在做相关指数的时候要特别注意怎么解释数值，特别建议做出图像观察先。不过，无论回归还是相关，在做因果关系的时候都应该特别注意，并不是每一个显著的回归因子或者较高的相关指数都意味着因果关系，有可能这些因素都是受第三，第四因素制约，都是另外因素的因或果。对于此二者的区别，我想通过下面这个比方很容易理解：对于两个人关系，相关关系只能知道他们是恋人关系，至于他们谁是主导者，谁说话算数，谁是跟随者，一个打个

3、喷嚏，另一个会有什么反应，相关就不能胜任，而回归分析则能很好的解决这个问题回歸未必有因果關係。回歸的主要有二：一是解釋，一是預測。在於利用已知的自變項預測未知的依變數。相關係數，主要在了解兩個變數的共變情形。如果有因果關係，通常會進行路徑分析(path analysis)或是線性結構關係模式。我觉得应该这样看，我们做回归分析是在一定的理论和直觉下，通过自变量和因变量的数量关系探索是否有因果关系。楼上这位仁兄说“回归未必有因果关系如果有因果关系，通常进行路径分析或线性结构关系模式”有点值得商榷吧，事实上，回归分析可以看成是线性结构关系模式的一个特例啊。我觉得说回归是探索因果关系的并没错，因为实际

4、上最后我们并不是完全依据统计的结果来判断因果性，只有在统计结果和理论及现实比较吻合的基础上我们才肯定这种因果关系。任何统计方法只是一种工具，但是不能完全依赖于这种工具。即使是SEM，我们也不能说完全认定其准确性，因为即使方法是好的，但是变量的复杂关系呈现的方式也是多种多样的，可能统计只能告诉你一个方向上的最优解，可未必是最符合实际的，更何况抽样数据的质量好坏也会使得结果不符合事实，从而导致人们怀疑统计方法的准确性。统计只说明统计关联。不证明因素关系。回归有因果关系，相关未必。回归分析是处理两个及两个以上变量间线性依存关系的统计方法。此类问题很普遍，如人头发中某种金属元素的含量与血液中该元素的含

5、量有关系，人的体表面积与身高、体重有关系；等等。回归分析就是用于说明这种依存变化的数学关系。任何事物的存在都不是孤立的，而是相互联系、相互制约的。身高与体重、体温与脉搏、年龄与血压等都存在一定的联系。说明客观事物相互间关系的密切程度并用适当的统计指标表示出来，这个过程就是相关分析。 中国统计网直线回归与相关分析的异同时间:2011-08-30 23:37来源:本站原创 作者:中国统计网 围观: 172 次直线回归与相关分析的概念和要点 中国统计网两种分析方法的异同点研究在专业上有一定联系的两个变量之间是否存在直线关系以及如何求得直线回归方程等问题，需进行直线相关和回归分析。从研究的目的来说，若

6、仅仅为了了解两变量之间呈直线关系的密切程度和方向，宜选用线性相关分析；若仅仅为了建立由自变量推算因变量的直线回归方程，宜选用直线回归分析。从资料所具备的条件来说，作相关分析时要求两变量都是随机变量（如：人的身长与体重、血硒与发硒）；作回归分析时要求因变量是随机变量，自变量可以是随机的，也可以是一般变量(即可以事先指定变量的取值，如：用药的剂量)。在统计学教科书中习惯把相关与回归分开论述，其实在应用时，当两变量都是随机变量时，常需同时给出这种方法分析的结果；另外，若用计算器实现统计分析，可用对相关系数的检验取代对回归系数的检验（理由见下节），胀方便地达到了化繁为简的目的。故本书把这个内容放在一起

7、讲解。散布图在这两种分析中的作用功能齐全的计算器和统计软件，会蒙骗盲目运用统计方法的人，进行直线相关和回归分析时，尤其要注意！因为统计方法只能帮助人们揭示数据之间内在的统计规律性，但它不能创造规律，也就是说，资料之间是否存在本质联系要靠专业知识来解释；另外，在专业上有一定联系的项指标之间的关系并非都是直线关系。实事上，如果项指标之间呈一条弯曲度不大的“”型或倒“”型曲线趋势，错误地用一条直线回归方程来描述，在统计学上往往会得到较高的显著性，即该直线回归方程是成立的，但在生物学上是解释不通的（当因变量是某种率时最易发生这种现象）。正确的做法是：将(，)的对数值绘在直角坐标系内，得到与变化趋势的散

8、布图，如果个点形成的散布图呈一条明显的曲线趋势时，宜拟合一条曲线回归方程；如果个点在一条不太宽的长带内随机地着，且不存在明显的曲线趋势，可考虑进行直线相关和回归分析；如果个点形成的散布图近似于一个圆盘，则说明与之间无确定的变化趋势，几乎是互相独立的，不必硬把它们捏合在一起分析。回归分析的任务和种类介绍时间:2011-08-30 23:35来源: 作者:中国统计网 围观: 189 次回归分析仅哪些问题当人们从一组对象上获得个或多个指标的观测值时，往往需要回答下述几个问题：如何实现预测，即如何由个或多个指标(自变量)的值去推算另个或多个指标(因变量)的值；如何实现控制，即事先给锄品质量应达到的标准

9、（因变量的取值范围），根据变量之间的数量关系去控制那些影响产品质量的因素（自变量）的变化区间；如何实现修匀，由于所研究的指标带有变异性，当用散布图将变量之间的关系呈现出来时，散点所形成的轨迹并非像数学中初等函数那样有规律，需要用合适的数学方法（如用直线或某种光滑曲线）对资料进行修匀，使变量之间本质联系更清楚地呈现出来。回归分析正是回答上述问题的一种最常用最有效的统计分析方法之一。回归分析的种类如果因变量是(非时间的)连续变量（即一般定量资料），设自变量的个数为，当时，回归分析的种类有：直线回归分析；通过直线化实现的简单曲线回归分析（以下简称为曲线拟合）；非线性曲线拟合；一般多项式曲线拟合；正交

10、多项式曲线拟合。当时，称为多元回归分析（注：前面的、种情况实质上是用多元回归分析仅只含个自变量时较复杂的曲线拟合问题）。当同时对多个因变量进行回归分析时，称之为多重回归分析。在多元回归分析中，简单而又实用的则是多元线性回归分析（其中某些自变量可以是原观测指标经过某种初等变换的结果，如对数变换、开平根变换等，因为这里所说的线性是指函数f(x)相对于回归参数是线性的，并非相对于自变量而言）。这是本篇中要论述的问题。如果因变量是与时间有关的连续变量且未被离散化（如：生存时间、复发时间、死亡时间等），而自变量可以是定量的，也可以是定性的。此时需用生存分析中的半参数或参数回归分析方法，将在本书第篇中论述。如果因变量是名义或有序变量，无论它取二个离散值（如：死与活、复发与未复发等）还是多个离散值（自变量可以是定性和定量的）时，都可选用logistic回归分析；如果把列联表中每个格内的理论频