Perbezaan Antara Regresi dan ANOVA
Kedua-dua Regresi dan ANOVA adalah model statistik yang digunakan untuk memprediksi hasil berterusan tetapi dalam kes regresi, hasil berterusan diramalkan berdasarkan satu atau lebih dari satu pemboleh ubah prediktor berterusan sedangkan dalam kes ANOVA hasil berterusan adalah diramalkan berdasarkan satu atau lebih daripada satu pemboleh ubah peramal kategori.
Regresi adalah kaedah statistik untuk mewujudkan hubungan antara set pemboleh ubah untuk membuat ramalan pemboleh ubah bersandar dengan bantuan pemboleh ubah bebas, ANOVA, sebaliknya, adalah alat statistik yang digunakan pada kumpulan yang tidak berkaitan untuk mengetahui sama ada mereka mempunyai maksud biasa.
Apa itu Regresi?
Regresi adalah kaedah statistik yang sangat berkesan untuk menjalin hubungan antara set pemboleh ubah. Pemboleh ubah yang mana analisis regresi dilakukan adalah pemboleh ubah bersandar dan satu atau lebih pemboleh ubah bebas. Ini adalah kaedah untuk memahami kesan pada pemboleh ubah bersandar satu atau lebih daripada satu pemboleh ubah tidak bersandar.
- Andaikan sebagai contoh syarikat cat menggunakan salah satu turunan pelarut kasar & monomer sebagai bahan mentahnya, kita boleh menjalankan analisis regresi antara harga bahan mentah tersebut dan harga harga minyak mentah Brent.
- Dalam contoh ini, harga bahan mentah adalah pemboleh ubah bersandar dan harga harga Brent adalah pemboleh ubah tidak bersandar.
- Oleh kerana harga pelarut dan monomer meningkat dan menurun harga dengan kenaikan dan penurunan harga Brent, harga bahan mentah adalah pemboleh ubah bersandar.
- Begitu juga untuk sebarang keputusan perniagaan untuk mengesahkan hipotesis bahawa tindakan tertentu akan menyebabkan peningkatan keuntungan suatu bahagian dapat disahkan berdasarkan hasil regresi antara pemboleh ubah bersandar dan bebas.
Apa itu Anova?
ANOVA adalah bentuk analisis varians pendek. ANOVA adalah alat statistik yang umumnya digunakan pada pemboleh ubah rawak. Ia melibatkan kumpulan yang tidak berkaitan langsung antara satu sama lain untuk mengetahui sama ada terdapat kaedah yang sama.
- Contoh mudah untuk memahami perkara ini ialah menjalankan ANOVA untuk siri markah pelajar dari kolej yang berbeza untuk berusaha mengetahui sama ada satu pelajar dari satu sekolah lebih baik daripada yang lain.
- Contoh lain ialah jika dua pasukan penyelidik yang berasingan sedang meneliti produk yang berbeza yang tidak saling berkaitan. ANOVA akan membantu mencari mana yang memberikan hasil yang lebih baik. Tiga teknik popular ANOVA adalah kesan rawak, kesan tetap, dan kesan campuran.
Regresi vs ANOVA Infographics
Perbezaan Utama Antara Regresi dan ANOVA
- Regresi diterapkan pada pemboleh ubah yang kebanyakannya tetap atau tidak bebas dan ANOVA digunakan untuk pemboleh ubah rawak.
- Regresi digunakan terutamanya dalam dua bentuk iaitu regresi linier dan regresi berganda, bentuk regresi lain yang sukar juga terdapat dalam teori jenis-jenis yang paling banyak digunakan dalam praktik, sebaliknya, terdapat tiga jenis ANOVA yang popular iaitu acak kesan, kesan tetap, dan kesan bercampur.
- Regresi digunakan terutamanya untuk membuat anggaran atau ramalan untuk pemboleh ubah bersandar dengan bantuan pemboleh ubah bebas tunggal atau berganda dan ANOVA digunakan untuk mencari min yang sama antara pemboleh ubah kumpulan yang berbeza.
- Dalam kes regresi, bilangan istilah kesalahan adalah satu tetapi dalam kes ANOVA, bilangan istilah kesalahan lebih daripada satu.
Jadual Perbandingan
| Asas | Regresi | ANOVA | ||
| Definisi | Regresi adalah kaedah statistik yang sangat berkesan untuk menjalin hubungan antara set pemboleh ubah. | ANOVA adalah bentuk analisis varians pendek. Ia digunakan untuk kumpulan yang tidak berkaitan untuk mengetahui sama ada mereka mempunyai maksud yang sama | ||
| Sifat Pembolehubah | Regresi digunakan pada pemboleh ubah bebas atau pemboleh ubah tetap. | ANOVA digunakan untuk pemboleh ubah yang bersifat rawak | ||
| Jenis-Jenis | Regresi digunakan terutamanya dalam dua bentuk iaitu regresi linear dan regresi berganda, yang terakhir adalah apabila bilangan pemboleh ubah bebas lebih dari satu. | Tiga jenis popular ANOVA adalah kesan rawak, kesan tetap, dan kesan campuran. | ||
| Contoh | Sebuah syarikat cat menggunakan pelarut & monomer sebagai bahan mentahnya yang merupakan turunan minyak mentah; kita boleh menjalankan analisis regresi antara harga bahan mentah itu dan harga harga minyak mentah Brent. | Sekiranya dua pasukan penyelidik berasingan meneliti produk yang berbeza yang tidak berkaitan antara satu sama lain. ANOVA akan membantu mencari mana yang memberikan hasil yang lebih baik. | ||
| Pemboleh ubah Digunakan | Regresi diterapkan pada dua set pemboleh ubah, salah satunya adalah pemboleh ubah bersandar dan satu lagi adalah pemboleh ubah tidak bersandar. Bilangan pemboleh ubah bebas dalam regresi boleh menjadi satu atau lebih daripada satu. | ANOVA digunakan untuk pemboleh ubah yang berbeza yang tidak semestinya saling berkaitan antara satu sama lain. | ||
| Penggunaan Ujian | Regresi digunakan terutamanya oleh pengamal atau pakar industri untuk membuat anggaran atau ramalan bagi pemboleh ubah bersandar. | ANOVA digunakan untuk mencari min yang sama antara pemboleh ubah dari kumpulan yang berbeza. | ||
| Kesalahan | Ramalan yang dibuat oleh analisis regresi tidak selalu diinginkan kerana kerana istilah kesalahan dalam regresi, istilah kesalahan ini juga dikenali sebagai sisa. Dalam kes regresi, bilangan istilah kesalahan adalah satu. | Jumlah kesalahan dalam kes ANOVA, tidak seperti regresi, lebih daripada satu. |
Kesimpulannya
Kedua-dua regresi dan ANOVA adalah alat statistik yang kuat yang digunakan untuk pelbagai pemboleh ubah. Regresi digunakan untuk membuat ramalan pemboleh ubah bersandar dengan bantuan pemboleh ubah bebas yang mempunyai beberapa hubungan. Adalah berguna untuk mengesahkan hipotesis sama ada hipotesis yang dibuat betul atau tidak.
Regresi digunakan pada pemboleh ubah yang bersifat tetap atau bebas dan boleh dilakukan dengan penggunaan satu pemboleh ubah bebas atau beberapa pemboleh ubah bebas. ANOVA digunakan untuk mencari persamaan antara pemboleh ubah kumpulan berbeza yang tidak berkaitan antara satu sama lain. Ia tidak digunakan untuk membuat ramalan atau perkiraan tetapi untuk memahami hubungan antara kumpulan pemboleh ubah.
