相关性分析后为什么还要进行回归分析
发布网友
发布时间:2022-04-24 04:03
我来回答
共2个回答
热心网友
时间:2023-11-17 15:22
相关分析只是了解变量间的共变趋势,我们只能通过相关分析确定变量间的关联,这种关联是没有方向性的,可能是A影响B,也可能是B影响A,还有可能是A与B互相影响,相关分析没法确定变量间的关联究竟是哪一种。
而这就是我们需要使用回归分析解决的问题,我们通过回归分析对自变量与因变量进行假设,然后可以验证变量间的具体作用关系,这时的变量关系就是有具体方向性的了。
所以相关分析通常也会被作为一种描述性的分析,而回归分析得到的结果更为重要和精确。
热心网友
时间:2023-11-17 15:22
只有两个变量没必要继续回归,如果多变量情况下需要继续回归。
相关与回归在只有两个变量的情况下其实说的差不多是一回事。多变量情况下,可以用回归做预测,考虑调节变量,共线性问题,和多元回归一些其他功能,所以,继续做回归,还是两个变量,真的没必要,如果多变量情况下,还是可以考虑的。
因为pearson相关分析是一种简单的笼统的表示变量间相关性的数据,它不会考虑变量之间是否会存在有共线性或者相互影响。因此在能够做其他相关分析的时候,比如有回归分析、方差分析等,就没有必要再看pearson相关分析的结果,而是要以回归分析的数据为依据。
扩展资料
spss里的pearson相关分析的作用就是单纯考量变量两两之间的关系,虽然你可以在分析时一次放入多个变量,但出来的结果都是两个变量的简单的相关,也就是不在求两变量相关时考虑其他的控制变量。
然而回归不同,回归的结果是综合所有进入回归方程的自变量对因变量的结果而成的,也就是说,在回归当中你所看到的相关,是在控制了其他进入回归方程的变量之后的。
因此,普通相关与回归之中的回归系数会有比较大的差别。举个例子,比如考查变量a,b,c之间的关系,如果使用一般的相关,那么其结果呈现的是a和b
热心网友
时间:2023-10-26 14:24
相关分析只是了解变量间的共变趋势,我们只能通过相关分析确定变量间的关联,这种关联是没有方向性的,可能是A影响B,也可能是B影响A,还有可能是A与B互相影响,相关分析没法确定变量间的关联究竟是哪一种。
而这就是我们需要使用回归分析解决的问题,我们通过回归分析对自变量与因变量进行假设,然后可以验证变量间的具体作用关系,这时的变量关系就是有具体方向性的了。
所以相关分析通常也会被作为一种描述性的分析,而回归分析得到的结果更为重要和精确。
热心网友
时间:2023-10-26 14:25
只有两个变量没必要继续回归,如果多变量情况下需要继续回归。
相关与回归在只有两个变量的情况下其实说的差不多是一回事。多变量情况下,可以用回归做预测,考虑调节变量,共线性问题,和多元回归一些其他功能,所以,继续做回归,还是两个变量,真的没必要,如果多变量情况下,还是可以考虑的。
因为pearson相关分析是一种简单的笼统的表示变量间相关性的数据,它不会考虑变量之间是否会存在有共线性或者相互影响。因此在能够做其他相关分析的时候,比如有回归分析、方差分析等,就没有必要再看pearson相关分析的结果,而是要以回归分析的数据为依据。
扩展资料
spss里的pearson相关分析的作用就是单纯考量变量两两之间的关系,虽然你可以在分析时一次放入多个变量,但出来的结果都是两个变量的简单的相关,也就是不在求两变量相关时考虑其他的控制变量。
然而回归不同,回归的结果是综合所有进入回归方程的自变量对因变量的结果而成的,也就是说,在回归当中你所看到的相关,是在控制了其他进入回归方程的变量之后的。
因此,普通相关与回归之中的回归系数会有比较大的差别。举个例子,比如考查变量a,b,c之间的关系,如果使用一般的相关,那么其结果呈现的是a和b