Unterschied zwischen ANCOVA und Regression

ANCOVA - Partitionsvarianz

ANCOVA vs. Regression

Sowohl ANCOVA als auch Regression sind statistische Techniken und Werkzeuge. ANCOVA und Regression haben viele Gemeinsamkeiten, weisen aber auch einige charakteristische Merkmale auf. Sowohl ANCOVA als auch Regression basieren auf einer Kovariate, einer kontinuierlichen Prädiktorvariablen.

ANCOVA steht für Analyse der Kovarianz. Es ist eine Kombination aus Einweg-ANOVA (Varianzanalyse) und linearer Regression, einer Variante der Regression. Es behandelt sowohl kategoriale als auch kontinuierliche Variablen. Es ist eine spezifische statistische Methode zur Bestimmung des Ausmaßes der Varianz einer Variablen, die auf die Variabilität einer anderen Variablen zurückzuführen ist.

ANCOVA ist im Grunde eine ANOVA mit mehr Raffinesse und dem Hinzufügen einer kontinuierlichen Variablen zu einem vorhandenen ANOVA-Modell. Eine andere Form von ANCOVA ist MANCOVA (Multivariate Analysis of Covariance). Darüber hinaus ist ANCOVA ein allgemeines lineares Modell mit einer kontinuierlichen Ergebnisvariablen und zwei oder mehr Prädiktorvariablen. Die beiden Prädiktorvariablen sind sowohl kontinuierliche als auch kategoriale Variablen.

In einer kontinuierlichen Variablen sind die Daten quantitativ und skaliert, während kategoriale Daten als nominal und nicht skaliert gekennzeichnet sind. ANCOVA wird hauptsächlich verwendet, um Faktoren zu steuern, die nicht randomisiert werden können, aber in experimentellen Entwürfen immer noch auf einer Intervallskala berechnet werden können. Bei den beobachtenden Entwürfen werden jedoch die variablen Effekte gelöscht, die die Beziehung zwischen kategorialen unabhängigen und abhängigen Intervallen ändern. MANCOVA wird auch in Regressionsmodellen eingesetzt, deren Hauptfunktion darin besteht, die Regressionen sowohl in kategorialen als auch in Intervallunabhängigkeiten anzupassen.

ANCOVA ist ein Modell, das auf der linearen Regression beruht, wobei die abhängige Variable linear zur unabhängigen Variablen sein muss. Die Ursprünge von MANCOVA und ANOVA stammen aus der Landwirtschaft, wo die Hauptvariablen die Ernteerträge betreffen.

Andererseits ist die Regression auch ein statistisches Werkzeug, das in vielen Varianten verfügbar ist. Zu diesen Varianten gehören das lineare Regressionsmodell, die einfache lineare Regression, die logistische Regression, die nichtlineare Regression, die nichtparametrische Regression, die robuste Regression und die schrittweise Regression. Die Regression behandelt kontinuierliche Variablen.

Lineare Regression

Regression ist die Beziehung einer abhängigen Variablen und einer unabhängigen Variablen zueinander. In diesem Modell gibt es eine abhängige Variable und eine oder mehrere unabhängige Variablen. Es besteht auch ein Bestreben, die Änderung der Werte der abhängigen Variablen aufgrund von Änderungen in einer der unabhängigen Varianten zu verstehen. In dieser Situation bleiben die anderen unabhängigen Varianten fest.

Bei der Regression gibt es zwei grundlegende Typen: lineare Regression und multiple Regression. Bei der linearen Regression wird die eine unabhängige Variable verwendet, um das Ergebnis von „Y“ (das die Variable vorhersagen will) zu erklären und / oder vorherzusagen. Auf der anderen Seite gibt es auch das Vielfache, bei dem die Regression nicht nur eine, sondern zwei oder mehr unabhängige Variablen verwendet, um das Ergebnis vorherzusagen.

Die Gleichung für die lineare und die lineare Regression lautet: Y = a + bX + u, während die Form für die multiple Regression lautet: Y = a + b1X1 + b2X2 + B3X3 +… + BtXt + u.

In beiden Gleichungen steht das "Y" für die Variable, die wir vorhersagen wollen; Das "X" ist das variable Werkzeug, um die "Y" -Variable vorherzusagen. "A" ist der Abschnitt, "b" ist die Steigung und "u" dient als Regressionsrest. Es ist zu beachten, dass der Achsenabschnitt, die Steigung und der Regressionsrest konstant sind.

Regression ist die Methode zur Vorhersage und Vorhersage eines kontinuierlichen Ergebnisses. Dies ist die Methode, die für das kontinuierliche Ergebnis verwendet werden soll, und basiert auf einer oder mehreren kontinuierlichen Prädiktorvariablen. Die Regression begann im Bereich der Geographie, deren Zweck es ist, die wahre Größe der Erde zu ermitteln.

Zusammenfassung:

1.ANCOVA ist ein spezifisches lineares Modell in der Statistik. Regression ist auch ein statistisches Instrument, aber es ist ein Überbegriff für eine Vielzahl von Regressionsmodellen. Regression ist auch der Name aus dem Stand der Beziehungen.
2.ANCOVA behandelt sowohl kontinuierliche als auch kategoriale Variablen, während die Regression nur kontinuierliche Variablen behandelt.
3.ANCOVA und Regression haben ein bestimmtes Modell gemeinsam - das lineare Regressionsmodell.
4. Sowohl ANCOVA als auch Regression können mit spezieller Software durchgeführt werden, um die eigentlichen Berechnungen durchzuführen.
5.ANCOVA stammte aus dem Bereich der Landwirtschaft, während die Regression aus dem Studium der Geographie stammte.