Regression vs Correlation
Dalam statistik, menentukan hubungan antara dua pembolehubah rawak adalah penting. Ia memberikan keupayaan untuk membuat ramalan tentang satu pembolehubah berbanding yang lain. Analisis regresi dan korelasi digunakan dalam ramalan cuaca, gelagat pasaran kewangan, penubuhan hubungan fizikal melalui eksperimen dan dalam banyak lagi senario dunia sebenar.
Apakah Regresi?
Regression ialah kaedah statistik yang digunakan untuk melukis hubungan antara dua pembolehubah. Selalunya apabila data dikumpul mungkin terdapat pembolehubah yang bergantung kepada yang lain. Hubungan yang tepat antara pembolehubah tersebut hanya boleh diwujudkan dengan kaedah regresi. Menentukan perhubungan ini membantu memahami dan meramalkan gelagat satu pembolehubah kepada pembolehubah yang lain.
Aplikasi analisis regresi yang paling biasa adalah untuk menganggarkan nilai pembolehubah bersandar untuk nilai tertentu atau julat nilai pembolehubah bebas. Sebagai contoh, menggunakan regresi kita boleh mewujudkan hubungan antara harga komoditi dan penggunaan, berdasarkan data yang dikumpul daripada sampel rawak. Analisis regresi menghasilkan fungsi regresi bagi set data, yang merupakan model matematik yang paling sesuai dengan data yang tersedia. Ini boleh dengan mudah diwakili oleh plot berselerak. Secara grafik, regresi adalah bersamaan dengan mencari lengkung yang sesuai untuk set data beri. Fungsi lengkung ialah fungsi regresi. Menggunakan model matematik, permintaan sesuatu komoditi boleh diramalkan untuk harga tertentu.
Oleh itu, analisis regresi digunakan secara meluas dalam meramal dan meramal. Ia juga digunakan untuk mewujudkan hubungan dalam data eksperimen, dalam bidang fizik, kimia, dan banyak sains semula jadi dan disiplin kejuruteraan. Jika hubungan atau fungsi regresi adalah fungsi linear, maka proses tersebut dikenali sebagai regresi linear. Dalam plot taburan, ia boleh diwakili sebagai garis lurus. Jika fungsi itu bukan gabungan linear parameter, maka regresi adalah bukan linear.
Apakah Korelasi?
Korelasi ialah ukuran kekuatan hubungan antara dua pembolehubah. Pekali korelasi mengukur tahap perubahan dalam satu pembolehubah berdasarkan perubahan dalam pembolehubah yang lain. Dalam statistik, korelasi disambungkan kepada konsep pergantungan, iaitu hubungan statistik antara dua pembolehubah.
Pekali korelasi Pearsons atau hanya pekali korelasi r ialah nilai antara -1 dan 1 (-1≤r≤+1). Ia adalah pekali korelasi yang paling biasa digunakan dan sah hanya untuk hubungan linear antara pembolehubah. Jika r=0, tiada hubungan wujud, dan jika r≥0, hubungan itu adalah berkadar terus; iaitu nilai satu pembolehubah meningkat dengan pertambahan yang lain. Jika r≤0, hubungan itu adalah berkadar songsang; iaitu satu pembolehubah berkurangan apabila pembolehubah lain meningkat.
Disebabkan keadaan kelinearan, pekali korelasi r juga boleh digunakan untuk mewujudkan kehadiran hubungan linear antara pembolehubah.
Apakah perbezaan antara Regresi dan Korelasi?
Regression memberikan bentuk hubungan antara dua pembolehubah rawak, dan korelasi memberikan tahap kekuatan hubungan.
Analisis regresi menghasilkan fungsi regresi, yang membantu mengekstrapolasi dan meramalkan keputusan manakala korelasi hanya boleh memberikan maklumat tentang arah mana ia mungkin berubah.
Model regresi linear yang lebih tepat diberikan oleh analisis, jika pekali korelasi lebih tinggi. (|r|≥0.8)
