La correlación y la regresión son mediciones estadísticas que se utilizan para dar una relación entre dos variables. Por ejemplo, suponga que una persona está conduciendo un automóvil costoso, entonces se supone que debe estar financieramente bien. Para cuantificar numéricamente esta relación, se utilizan correlación y regresión.
La correlación se puede definir como una medición que se utiliza para cuantificar la relación entre variables. Si un aumento (o disminución) en una variable provoca un aumento correspondiente (o disminución) en otro, se dice que las dos variables están directamente correlacionadas. Del mismo modo, si un aumento en uno causa una disminución en otro o viceversa, se dice que las variables están correlacionadas indirectamente. Si un cambio en una variable independiente no causa un cambio en la variable dependiente, entonces no están correlacionados. Por lo tanto, la correlación puede ser positiva (correlación directa), negativa (correlación indirecta) o cero. Esta relación viene dada por el coeficiente de correlación.
La regresión se puede definir como una medición que se utiliza para cuantificar cómo el cambio en una variable afectará a otra variable. La regresión se usa para encontrar la causa y el efecto entre dos variables. La regresión lineal es el tipo de regresión más utilizado porque es más fácil de analizar en comparación con el resto. La regresión lineal se usa para encontrar la línea que es la mejor opción para establecer una relación entre las variables.
Tanto el análisis de correlación como de regresión se realizan para cuantificar la fuerza de la relación entre dos variables mediante el uso de números. Gráficamente, el análisis de correlación y regresión se puede visualizar utilizando gráficos de dispersión.
El análisis de correlación se realiza para determinar si existe una relación entre las variables que se están probando. Además, se utiliza un coeficiente de correlación como el coeficiente de correlación de Pearson para dar un valor numérico firmado que represente la fuerza y la dirección de la correlación. La gráfica de dispersión da la correlación entre dos variables x e y para puntos de datos individuales como se muestra a continuación.
¿Qué es regresión y correlación en probabilidad y estadística?
¿Alguna vez se le ocurrió la pregunta para distinguir entre correlación y regresión?
La correlación y la regresión son los dos análisis basados en distribución multivariados. Una distribución multivariada se llama distribución de variables múltiples. La correlación se describe como el análisis que nos permite conocer la relación entre dos variables ‘x’ y ‘y’ o la ausencia de la misma.
Por otro lado, el análisis de regresión predice el valor de la variable dependiente en función del valor conocido de la variable independiente, suponiendo que existe una relación matemática promedio entre dos o más variables.
El coeficiente de correlación del momento de productos de Karl Pearson
El término correlación es una combinación de dos palabras ‘Co’ (juntas) y la relación entre dos cantidades. La correlación es cuando se observa que un cambio en una unidad en una variable se representa por un cambio equivalente en otra variable, es decir, directo o indirecto, en el momento del estudio de dos variables. O bien, se dice que las variables no están correlacionadas cuando el movimiento en una variable no equivale a ningún movimiento en una dirección específica en otra variable. Es una técnica estadística que representa la fuerza del enlace entre pares variables.
La correlación puede ser negativa o positiva. Si las dos variables se mueven en la misma dirección, es decir, un aumento en una variable da como resultado el aumento correspondiente en otra variable, y viceversa, entonces las variables se consideran positivamente correlacionadas. Por ejemplo, inversión y ganancias.
¿Qué es el análisis de regresión y correlación?
Para expresar la relación o asociación entre dos o más variables, usamos regresión y correlación, dos nociones a menudo confundidas (1).
La regresión es un conjunto de métodos estadísticos ampliamente utilizados para analizar la relación de una variable en comparación con una o más. Cuando un diagrama de dispersión sugiere que las variaciones en una variable son proporcionales a las de la otra variable, el análisis de regresión lineal permite determinar el derecho a abordar mejor esta variación proporcional. En un gráfico, esto equivale a buscar el derecho desde el cual todos los puntos están lo más lejos posible de esta derecha (ver Figura 1). La fórmula matemática de esta línea de regresión es la siguiente (2):
El coeficiente de regresión indica en qué medida el valor de una variable dependiente varía con la variación en el valor de la variable independiente (también llamada variable explicativa). La intersección (= ordenada originalmente es el valor obtenido cuando la variable independiente vale cero (ver Figura 1).
Figura 1: Diagrama de dispersión con la regresión correcta.
El pequeño estudio (3.4) estaba buscando la satisfacción del paciente (puntaje FISS) (= variable dependiente) aumentó o disminuyó de acuerdo con el número de gestos del médico (= variable independiente o explicativa). El análisis de regresión lineal mostró una asociación positiva entre las dos variables con un coeficiente de regresión (a una variable) de 0.11 y un intervalo de confianza al 95% de 0.02 a 0.19 (p = 0.018). Para el gesto adicional de cada médico, la puntuación de FISS aumenta, por lo tanto, un promedio de 0.11 puntos en una escala de 1 a 7. Debido al intervalo de confianza amplio, este aumento en realidad puede ser solo 0.02 puntos como 0.19 puntos.
¿Qué es y para qué sirve el análisis de regresión y correlación?
En esta sección, primero discutiremos el análisis de correlación, que se utiliza para cuantificar la asociación entre dos variables continuas (por ejemplo, entre una variable independiente y dependiente o entre dos variables independientes). El análisis de regresión es una técnica relacionada para evaluar la relación entre una variable de resultado y uno o más factores de riesgo o variables de confusión. La variable de resultado también se denomina variable de respuesta o dependiente y los factores de riesgo y los factores de confusión se denominan predictores, o variables explicativas o independientes. En el análisis de regresión, la variable dependiente se denota «y» y las variables independientes se denotan por «x».
[Nota: El término «predictor» puede ser engañoso si se interpreta como la capacidad de predecir incluso más allá de los límites de los datos. Además, el término «variable explicativa» podría dar una impresión de un efecto causal en una situación en la que las inferencias deben limitarse a la identificación de asociaciones. Los términos variables «independientes» y «dependientes» están menos sujetos a estas interpretaciones, ya que no implican fuertemente causa y efecto.
Rangos entre -1 y +1 y cuantifica la dirección y la resistencia de la asociación lineal entre las dos variables. La correlación entre dos variables puede ser positiva (es decir, niveles más altos de una variable están asociadas con niveles más altos del otro) o negativos (es decir, niveles más altos de una variable están asociados con niveles más bajos de la otra).
El signo del coeficiente de correlación indica la dirección de la asociación. La magnitud del coeficiente de correlación indica la resistencia de la asociación.
¿Qué es y la importancia de un análisis de correlación y un análisis de regresión?
Me gustaría probar una serie de hipótesis, pero no estoy seguro de qué método de análisis es el mejor. Por lo tanto, estoy buscando información que indique instancias cuando usar cada método, incluida la interpretación e informes de resultados. ¿Puede sugerir recursos adecuados? Soy nuevo en el trabajo de investigación.
El uso del análisis de correlación o el análisis de regresión depende de su conjunto de datos y el objetivo del estudio. El análisis de correlación se utiliza para cuantificar el grado en que se relacionan dos variables. A través del análisis de correlación, evalúa el coeficiente de correlación que le indica cuánto cambia una variable cuando la otra lo hace. El análisis de correlación le proporciona una relación lineal entre dos variables.
El análisis de regresión es una técnica relacionada para evaluar la relación entre una variable de resultado y uno o más factores de riesgo o variables de confusión. La variable de resultado también se llama respuesta o variable dependiente y los factores de riesgo y los factores de confusión se denominan predictores o variables independientes. El análisis de regresión es útil cuando debe identificar el impacto de un cambio de unidad en la variable conocida (x) en la variable estimada (y).
Si necesita más ayuda para realizar el análisis estadístico, puede encontrar el beneficio al aprovechar los servicios de apoyo de publicación profesional, por ejemplo, el servicio de revisión estadística de Editage.
EDITAGE INSIGHTS ofrece una gran cantidad de investigación académica gratuita y recursos de publicación y es una guía única para autores y otros involucrados en la publicación académica. Nuestros recursos originales para autores y revistas lo ayudarán a convertirse en un experto en publicación académica. Regístrese para obtener consejos de investigación integrales y asesoramiento experto sobre escritura en inglés, publicación en la revista, buenas prácticas de publicación, tendencias de publicación y mucho más.
¿Qué utilidad tiene la regresión lineal y correlación?
La correlación y la regresión son los dos análisis basados en la distribución multivariada. Una distribución multivariada se describe como una distribución de múltiples variables. La correlación se describe como el análisis que nos permite saber la asociación o la ausencia de la relación entre dos variables «x» y «y». En el otro extremo, el análisis de regresión predice el valor de la variable dependiente en función del valor conocido de la variable independiente, suponiendo que la relación matemática promedio entre dos o más variables.
La diferencia entre la correlación y la regresión es una de las preguntas comúnmente hechas en las entrevistas. Además, muchas personas sufren ambigüedad al comprender a estos dos. Por lo tanto, tome una lectura completa de este artículo para tener una comprensión clara de estos dos.
El término correlación es una combinación de dos palabras «Co» (juntas) y relación (conexión) entre dos cantidades. La correlación es cuando, en el momento del estudio de dos variables, se observa que un cambio unitario en una variable se representa por un cambio equivalente en otra variable, es decir, directo o indirecto. O bien, se dice que las variables no están correlacionadas cuando el movimiento en una variable no equivale a ningún movimiento en otra variable en una dirección específica. Es una técnica estadística que representa la fuerza de la conexión entre pares de variables.
La correlación puede ser positiva o negativa. Cuando las dos variables se mueven en la misma dirección, es decir, un aumento en una variable dará como resultado el aumento correspondiente en otra variable y viceversa, entonces las variables se consideran positivamente correlacionadas. Por ejemplo: ganancias y inversiones.
Artículos Relacionados:
