统计界最常用的两个术语是相关性和回归。这两个术语被称为“分析”，因为它们是基于众多变量的传播。这种现象通常被称为多元分布。当需要检查两个定量变量之间的关联时，它们最常用。

受访者最有可能被问及相关和回归的显著特征。然而，许多人对这两个短语的理解却心存疑虑。

相关性(correlation) vs. 回归(regression)

相关性和回归之间的区别在于相关性是两个变量之间关联或缺失的度量，例如，“x”和“y”。“x”和“y”在这里不是自变量或因变量。然而，在回归中，或有变量的值是用自变量的值来计算的。

初步评估了两个不同变量之间的关系。回归在日常生活中有无数本能的应用。下面是一个完整的对照表，可以成功地解释这两个术语之间的差异。

相关与回归对照表

什么是相关性(the correlation)？

相关性来源于两个词，即“Co”表示在一起，而“relation”则表示一对数量之间的链接或联系。

它仅仅意味着其中一个变量发生变化的程度，并被另一个变量的相应变化所反应。这可能是一个显式的改变，也可能是一个隐式的改变。

它成功地描述了所考虑的两个变量之间的关联程度，它是基于统计学原理的。确定的值可以是正数，也可以是负数。

当两个变量朝着相同的方向移动时，这是一个正相关，结果是相互对应的，从而导致投资和收益。

相反，当变量向相反方向移动时，会出现负相关，这会导致另一个变量的下降。例如，一个项目的价值和要求是相互关联的。

一个成功实现相关性的例子是，一家公司希望将累计销售额与**的销售人员数量进行比较。

什么是回归(regression)？

回归是用来确定一个变量与另一个重要变量之间关系的一种尝试。使用的两种变量是相依变量和独立变量。回归使相关提前一步，因为它增加了预测能力。

回归是人们在日常生活中直观地应用的。它在人类行为中占有重要的地位，因为它是一种强有力的工具，用于根据以前或现在的事件和事件预测在这些时间之前、现在和将来发生的事件。

例如，过去的业务记录可以估计未来的利润。这可以用一个简单的例子来解释我们早上是如何醒来的。如果你早点睡觉，你可以更轻松地在早上醒来。

我们可以用两个变量“x”和“y”来理解线性回归。这里，变量“x”和“y”都依赖于另一个变量，即“y”依赖于或受“x”影响，后者是自变量。上述因素在统计图上表示，这是一种数学表示。

定量回归更准确，因为它创建了一个方程的算术解释。该方程或公式可用于今后的分析和预测。

例如，医生根据患者的体重（这是一个因变量）估计患者的适当药物剂量（自变量）。

相关与回归的主要区别

1. 只有一个数据或统计数据被认为是相关的。然而，回归提供了一个完整的数学方程。
2. 相关性指出两个变量相互关联的程度。另一方面，回归反映了因变量变化导致自变量单位变化的印象。
3. 相关性可以给出一个清晰的值来描述两个变量之间的关系。回归是有益的，因为它彻底检查和进一步预测值的变量使用数学方程。
4. 在相关性中，变量“x”和“y”是任意的。它们会影响体重、血压或胆固醇水平。与假设“x”为无误差的固定变量（如温度设置）的回归相反。
5. “相关性”一词起源于16世纪的中世纪拉丁语，意思是两个或多个事物之间的相互关系或联系。
6. 另一方面，弗朗西斯·高尔顿在19世纪创造了“回归”一词。他用它来说明一个生物现象。特别地，回归意味着恢复到原始状态。

结论

很明显，虽然这两个数学概念是一起计算的，但相关分析和回归分析之间有很大的区别。

同时，在回归分析中，研究者试图找出这两个变量之间的函数关系，建立了未来的利益和利润。

参考文献

1. https://psycnet.apa.org/record/1960-06763-000
2. https://link.springer.com/content/pdf/10.3758/BRM.41.4.1149.pdf
3. https://psycnet.apa.org/record/1995-97110-002