Différence entre ANCOVA et Régression Différence entre la régression linéaire
ANCOVA - Variation de partitionnement
ANCOVA contre régression
L'ANCOVA et la régression sont des techniques et des outils statistiques. ANCOVA et la régression partagent de nombreuses similitudes, mais ont également des caractéristiques distinctives. L'ANCOVA et la régression sont basées sur une covariable, qui est une variable prédictive continue.
ANCOVA est l'acronyme de Analysis of Covariance. C'est une combinaison d'ANOVA à un facteur (Analysis of Variance) et de régression linéaire, une variante de la régression. Il traite à la fois des variables catégoriques et continues. C'est une méthode statistique spécifique pour déterminer l'étendue de la variance d'une variable qui est due à la variabilité d'une autre variable.
ANCOVA est fondamentalement ANOVA avec plus de sophistication et l'ajout d'une variable continue à un modèle ANOVA existant. Une autre forme d'ANCOVA est MANCOVA (analyse multivariée de covariance). De plus, l'ANCOVA est un modèle linéaire général qui a une variable de résultat continu et deux variables prédictives ou plus. Les deux variables prédictives sont à la fois des variables continues et des variables catégorielles.
Dans une variable continue, les données sont quantitatives et mises à l'échelle, tandis que les données catégorielles sont caractérisées comme étant nominales et non échelonnées. L'ANCOVA est principalement utilisé pour contrôler les facteurs qui ne peuvent pas être randomisés mais peut être calculé sur une échelle d'intervalles dans les plans expérimentaux, tandis que sur les plans d'observation, il efface les effets variables qui modifient la relation entre les indépendants catégoriques et les dépendants. MANCOVA a également une certaine utilité dans les modèles de régression où sa fonction principale est d'ajuster les régressions dans les deux catégories catégorielles et indépendantes.
ANCOVA est un modèle qui repose sur la régression linéaire dans laquelle la variable dépendante doit être linéaire à la variable indépendante. Les origines de MANCOVA ainsi que l'ANOVA proviennent de l'agriculture, où les principales variables concernent les rendements des cultures.
D'autre part, la régression est également un outil statistique disponible dans de nombreuses variantes. Ces variantes comprennent le modèle de régression linéaire, la régression linéaire simple, la régression logistique, la régression non linéaire, la régression non paramétrique, la régression robuste et la régression par étapes. La régression traite des variables continues.
Régression linéaire
La régression est la relation entre une variable dépendante et une variable indépendante. Dans ce modèle, il y a une variable dépendante et une ou plusieurs variables indépendantes. Il y a aussi un effort pour comprendre le changement des valeurs de la variable dépendante en raison des changements dans l'une des variantes indépendantes. Dans cette situation, les autres variantes indépendantes restent fixes.
En régression, il existe deux types de base: la régression linéaire et la régression multiple. Dans la régression linéaire, la variable indépendante est utilisée pour expliquer et / ou prédire le résultat de «Y» (que la variable tente de prédire). D'un autre côté, il y a aussi le multiple, dans lequel la régression utilise non pas une mais deux ou plusieurs variables indépendantes pour prédire le résultat.
L'équation pour la régression linéaire et linéaire est: Y = a + bX + u, alors que la forme pour la régression multiple est: Y = a + b1X1 + b2X2 + B3X3 + … + BtXt + u.
Dans les deux équations, le «Y» représente la variable que nous essayons de prédire; le "X" est l'outil variable pour prédire la variable "Y"; "A" est l'ordonnée à l'origine, "b" est la pente et "u" sert de résidu de régression. Il convient de noter que l'ordonnée à l'origine, la pente et le résidu de régression sont constants.
La régression est la méthode de prévision et de prédiction d'un résultat continu. C'est la méthode à utiliser pour le résultat continu, et elle est basée sur une ou plusieurs variables prédictives continues. La régression a commencé à partir du domaine de la géographie dont le but est de tenter de trouver la vraie taille de la Terre.
Résumé:
1. ANCOVA est un modèle linéaire spécifique en statistique. La régression est également un outil statistique, mais c'est un terme générique pour une multitude de modèles de régression. La régression est aussi le nom de l'état des relations.
2. L'ANCOVA traite à la fois des variables continues et catégorielles, tandis que la régression traite uniquement des variables continues.
3. ANCOVA et la régression partagent un modèle particulier - le modèle de régression linéaire.
4. L'ANCOVA et la régression peuvent être effectuées en utilisant un logiciel spécialisé pour effectuer les calculs réels.
5. ANCOVA provenait du domaine de l'agriculture, tandis que la régression provenait de l'étude de la géographie.
