Regression vs Correlation
Sa mga istatistika, ang pagtukoy sa kaugnayan sa pagitan ng dalawang random na variable ay mahalaga. Nagbibigay ito ng kakayahang gumawa ng mga hula tungkol sa isang variable na may kaugnayan sa iba. Inilapat ang pagsusuri at ugnayan ng regression sa mga pagtataya ng panahon, pag-uugali sa merkado ng pananalapi, pagtatatag ng mga pisikal na relasyon sa pamamagitan ng mga eksperimento, at sa higit pang mga totoong sitwasyon sa mundo.
Ano ang Regression?
Ang Regression ay isang istatistikal na paraan na ginagamit upang iguhit ang kaugnayan sa pagitan ng dalawang variable. Kadalasan kapag ang data ay nakolekta, maaaring mayroong mga variable na umaasa sa iba. Ang eksaktong kaugnayan sa pagitan ng mga variable na iyon ay maaari lamang maitatag sa pamamagitan ng mga pamamaraan ng regression. Ang pagtukoy sa kaugnayang ito ay nakakatulong na maunawaan at mahulaan ang pag-uugali ng isang variable sa isa pa.
Ang pinakakaraniwang aplikasyon ng pagsusuri ng regression ay upang tantyahin ang halaga ng dependent variable para sa isang ibinigay na halaga o hanay ng mga halaga ng mga independent variable. Halimbawa, gamit ang regression, maitatag natin ang kaugnayan sa pagitan ng presyo ng bilihin at ng pagkonsumo, batay sa data na nakolekta mula sa isang random na sample. Ang pagsusuri ng regression ay gumagawa ng regression function ng isang set ng data, na isang mathematical na modelo na pinakaangkop sa magagamit na data. Madali itong kinakatawan ng isang scatter plot. Sa graphically, ang regression ay katumbas ng paghahanap ng pinakamahusay na angkop na curve para sa give data set. Ang function ng curve ay ang regression function. Gamit ang mathematical model, mahuhulaan ang demand ng isang commodity para sa isang partikular na presyo.
Samakatuwid, ang pagsusuri ng regression ay malawakang ginagamit sa paghula at pagtataya. Ginagamit din ito upang magtatag ng mga ugnayan sa pang-eksperimentong data, sa larangan ng pisika, kimika, at maraming natural na agham at mga disiplina sa inhinyero. Kung ang relasyon o ang regression function ay isang linear function, kung gayon ang proseso ay kilala bilang isang linear regression. Sa scatter plot, maaari itong ilarawan bilang isang tuwid na linya. Kung ang function ay hindi isang linear na kumbinasyon ng mga parameter, ang regression ay hindi linear.
Ano ang Correlation?
Ang ugnayan ay isang sukatan ng lakas ng ugnayan sa pagitan ng dalawang variable. Ang koepisyent ng ugnayan ay binibilang ang antas ng pagbabago sa isang variable batay sa pagbabago sa isa pang variable. Sa mga istatistika, ang ugnayan ay konektado sa konsepto ng pagtitiwala, na siyang istatistikal na kaugnayan sa pagitan ng dalawang variable.
Ang correlation coefficient ng Pearsons o ang correlation coefficient r ay isang value sa pagitan ng -1 at 1 (-1≤r≤+1). Ito ang pinakakaraniwang ginagamit na koepisyent ng ugnayan at wasto lamang para sa isang linear na relasyon sa pagitan ng mga variable. Kung r=0, walang relasyon ang umiiral, at kung r≥0, ang relasyon ay direktang proporsyonal; i.e. ang halaga ng isang variable ay tumataas sa pagtaas ng isa pa. Kung r≤0, ang relasyon ay inversely proportional; i.e. bumababa ang isang variable habang tumataas ang isa.
Dahil sa linearity na kundisyon, maaari ding gamitin ang correlation coefficient r upang maitaguyod ang pagkakaroon ng linear na relasyon sa pagitan ng mga variable.
Ano ang pagkakaiba ng Regression at Correlation?
Ang regression ay nagbibigay ng anyo ng ugnayan sa pagitan ng dalawang random na variable, at ang ugnayan ay nagbibigay ng antas ng lakas ng relasyon.
Ang pagsusuri ng regression ay gumagawa ng regression function, na nakakatulong na i-extrapolate at mahulaan ang mga resulta habang ang correlation ay maaari lamang magbigay ng impormasyon sa kung anong direksyon ang maaaring magbago.
Ang mas tumpak na mga modelo ng linear regression ay ibinibigay ng pagsusuri, kung mas mataas ang coefficient ng ugnayan. (|r|≥0.8)
