1、回歸分析和相關分析的聯系和區別時間:2011-09-18 18:33來源:不詳 作者:中國統計網 圍觀: 379 次問：回歸分析和相關分析的聯系和區別答：回歸分析(Regression)：Dependant variable is defined and can be forecasted by independent variable.相關分析(Correlation)：The relationship btw two variables. - A dose not define or determine B. 回歸更有用自變量解釋因變量的意思，有一點點因果關系在里面，并且可以是線性或者非線

2、形關系；相關更傾向于解釋兩兩之間的關系，但是一般都是指線形關系，特別是相關指數，有時候圖像顯示特別強二次方圖像，但是相關指數仍然會很低，而這僅僅是因為兩者間不是線形關系，并不意味著兩者之間沒有關系，因此在做相關指數的時候要特別注意怎么解釋數值，特別建議做出圖像觀察先。不過，無論回歸還是相關，在做因果關系的時候都應該特別注意，并不是每一個顯著的回歸因子或者較高的相關指數都意味著因果關系，有可能這些因素都是受第三，第四因素制約，都是另外因素的因或果。對于此二者的區別，我想通過下面這個比方很容易理解：對于兩個人關系，相關關系只能知道他們是戀人關系，至于他們誰是主導者，誰說話算數，誰是跟隨者，一個打個

3、噴嚏，另一個會有什么反應，相關就不能勝任，而回歸分析則能很好的解決這個問題回歸未必有因果關係。回歸的主要有二：一是解釋，一是預測。在於利用已知的自變項預測未知的依變數。相關係數，主要在了解兩個變數的共變情形。如果有因果關係，通常會進行路徑分析(path analysis)或是線性結構關係模式。我覺得應該這樣看，我們做回歸分析是在一定的理論和直覺下，通過自變量和因變量的數量關系探索是否有因果關系。樓上這位仁兄說“回歸未必有因果關系如果有因果關系，通常進行路徑分析或線性結構關系模式”有點值得商榷吧，事實上，回歸分析可以看成是線性結構關系模式的一個特例啊。我覺得說回歸是探索因果關系的并沒錯，因為實際

4、上最后我們并不是完全依據統計的結果來判斷因果性，只有在統計結果和理論及現實比較吻合的基礎上我們才肯定這種因果關系。任何統計方法只是一種工具，但是不能完全依賴于這種工具。即使是SEM，我們也不能說完全認定其準確性，因為即使方法是好的，但是變量的復雜關系呈現的方式也是多種多樣的，可能統計只能告訴你一個方向上的最優解，可未必是最符合實際的，更何況抽樣數據的質量好壞也會使得結果不符合事實，從而導致人們懷疑統計方法的準確性。統計只說明統計關聯。不證明因素關系。回歸有因果關系，相關未必。回歸分析是處理兩個及兩個以上變量間線性依存關系的統計方法。此類問題很普遍，如人頭發中某種金屬元素的含量與血液中該元素的含

5、量有關系，人的體表面積與身高、體重有關系；等等。回歸分析就是用于說明這種依存變化的數學關系。任何事物的存在都不是孤立的，而是相互聯系、相互制約的。身高與體重、體溫與脈搏、年齡與血壓等都存在一定的聯系。說明客觀事物相互間關系的密切程度并用適當的統計指標表示出來，這個過程就是相關分析。 中國統計網直線回歸與相關分析的異同時間:2011-08-30 23:37來源:本站原創 作者:中國統計網 圍觀: 172 次直線回歸與相關分析的概念和要點 中國統計網兩種分析方法的異同點研究在專業上有一定聯系的兩個變量之間是否存在直線關系以及如何求得直線回歸方程等問題，需進行直線相關和回歸分析。從研究的目的來說，若

6、僅僅為了了解兩變量之間呈直線關系的密切程度和方向，宜選用線性相關分析；若僅僅為了建立由自變量推算因變量的直線回歸方程，宜選用直線回歸分析。從資料所具備的條件來說，作相關分析時要求兩變量都是隨機變量（如：人的身長與體重、血硒與發硒）；作回歸分析時要求因變量是隨機變量，自變量可以是隨機的，也可以是一般變量(即可以事先指定變量的取值，如：用藥的劑量)。在統計學教科書中習慣把相關與回歸分開論述，其實在應用時，當兩變量都是隨機變量時，常需同時給出這種方法分析的結果；另外，若用計算器實現統計分析，可用對相關系數的檢驗取代對回歸系數的檢驗（理由見下節），脹方便地達到了化繁為簡的目的。故本書把這個內容放在一起

7、講解。散布圖在這兩種分析中的作用功能齊全的計算器和統計軟件，會蒙騙盲目運用統計方法的人，進行直線相關和回歸分析時，尤其要注意！因為統計方法只能幫助人們揭示數據之間內在的統計規律性，但它不能創造規律，也就是說，資料之間是否存在本質聯系要靠專業知識來解釋；另外，在專業上有一定聯系的項指標之間的關系并非都是直線關系。實事上，如果項指標之間呈一條彎曲度不大的“”型或倒“”型曲線趨勢，錯誤地用一條直線回歸方程來描述，在統計學上往往會得到較高的顯著性，即該直線回歸方程是成立的，但在生物學上是解釋不通的（當因變量是某種率時最易發生這種現象）。正確的做法是：將(，)的對數值繪在直角坐標系內，得到與變化趨勢的散

8、布圖，如果個點形成的散布圖呈一條明顯的曲線趨勢時，宜擬合一條曲線回歸方程；如果個點在一條不太寬的長帶內隨機地著，且不存在明顯的曲線趨勢，可考慮進行直線相關和回歸分析；如果個點形成的散布圖近似于一個圓盤，則說明與之間無確定的變化趨勢，幾乎是互相獨立的，不必硬把它們捏合在一起分析。回歸分析的任務和種類介紹時間:2011-08-30 23:35來源: 作者:中國統計網 圍觀: 189 次回歸分析僅哪些問題當人們從一組對象上獲得個或多個指標的觀測值時，往往需要回答下述幾個問題：如何實現預測，即如何由個或多個指標(自變量)的值去推算另個或多個指標(因變量)的值；如何實現控制，即事先給鋤品質量應達到的標準

9、（因變量的取值范圍），根據變量之間的數量關系去控制那些影響產品質量的因素（自變量）的變化區間；如何實現修勻，由于所研究的指標帶有變異性，當用散布圖將變量之間的關系呈現出來時，散點所形成的軌跡并非像數學中初等函數那樣有規律，需要用合適的數學方法（如用直線或某種光滑曲線）對資料進行修勻，使變量之間本質聯系更清楚地呈現出來。回歸分析正是回答上述問題的一種最常用最有效的統計分析方法之一。回歸分析的種類如果因變量是(非時間的)連續變量（即一般定量資料），設自變量的個數為，當時，回歸分析的種類有：直線回歸分析；通過直線化實現的簡單曲線回歸分析（以下簡稱為曲線擬合）；非線性曲線擬合；一般多項式曲線擬合；正交

10、多項式曲線擬合。當時，稱為多元回歸分析（注：前面的、種情況實質上是用多元回歸分析僅只含個自變量時較復雜的曲線擬合問題）。當同時對多個因變量進行回歸分析時，稱之為多重回歸分析。在多元回歸分析中，簡單而又實用的則是多元線性回歸分析（其中某些自變量可以是原觀測指標經過某種初等變換的結果，如對數變換、開平根變換等，因為這里所說的線性是指函數f(x)相對于回歸參數是線性的，并非相對于自變量而言）。這是本篇中要論述的問題。如果因變量是與時間有關的連續變量且未被離散化（如：生存時間、復發時間、死亡時間等），而自變量可以是定量的，也可以是定性的。此時需用生存分析中的半參數或參數回歸分析方法，將在本書第篇中論述。如果因變量是名義或有序變量，無論它取二個離散值（如：死與活、復發與未復發等）還是多個離散值（自變量可以是定性和定量的）時，都可選用logistic回歸分析；如果把列聯表中每個格內的理論頻