1樓：卡槐木
方差分析與迴歸分析是有聯絡又不完全相同的分析方法。方差分析主要研究各變數對結果的影響程度的定性關係，從而剔除對結果影響較小的變數，提高試驗的效率和精度。而回歸分析是研究變數與結果的定量關係，得出相應的數學模式。
在迴歸分析中，需要對各變數對結果影響進行方差分析，以剔除影響不大的變數，提高迴歸分析的有效性。
方差分析(analysis of variance，簡稱anova)，又稱「變異數分析」，是r.a.fisher發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。
由於各種因素的影響，研究所得的資料呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。方差分析是從觀測變數的方差入手，研究諸多控制變數中哪些變數是對觀測變數有顯著影響的變數。
迴歸分析是研究各因素對結果影響的一種模擬經驗方程的辦法，迴歸分析（regression analysis)是確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法。運用十分廣泛，迴歸分析按照涉及的變數的多少，分為一元迴歸和多元迴歸分析。
迴歸分析中，會用到方差分析來判斷各變數對結果的影響程度，從而確定哪些因素是應該納入到迴歸方程中，哪些由於對結果影響的方差小而不應該納入到迴歸方程中。
2樓：匿名使用者
多元迴歸分析和迴歸分析的差別？二者沒有差別，僅是叫法不一樣。
相關分析與迴歸分析的區別和聯絡是什麼？
3樓：love生活
一、迴歸分析和相關分析主要區別是：
1、在迴歸分析中,y被稱為因變數,處在被解釋的特殊地位,而在相關分析中,x與y處於平等的地位,即研究x與y的密切程度和研究y與x的密切程度是一致的；
2、相關分析中,x與y都是隨機變數,而在迴歸分析中,y是隨機變數,x可以是隨機變數,也可以是非隨機的,通常在迴歸模型中,總是假定x是非隨機的；
3、相關分析的研究主要是兩個變數之間的密切程度,而回歸分析不僅可以揭示x對y的影響大小,還可以由迴歸方程進行數量上的**和控制.
二、迴歸分析與相關分析的聯絡：
1、迴歸分析和相關分析都是研究變數間關係的統計學課題。
2、在專業上研究上：
有一定聯絡的兩個變數之間是否存在直線關係以及如何求得直線迴歸方程等問題,需進行直線相關分析和迴歸分析。
3、從研究的目的來說：
若僅僅為了瞭解兩變數之間呈直線關係的密切程度和方向,宜選用線性相關分析；若僅僅為了建立由自變數推算因變數的直線迴歸方程,宜選用直線迴歸分析.
擴充套件資料：
1、相關分析是研究兩個或兩個以上處於同等地位的隨機變數間的相關關係的統計分析方法。
例如，人的身高和體重之間；空氣中的相對溼度與降雨量之間的相關關係都是相關分析研究的問題。
2、迴歸分析是確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法。運用十分廣泛。
迴歸分析按照涉及的變數的多少，分為一元迴歸和多元迴歸分析；按照因變數的多少，可分為簡單迴歸分析和多重回歸分析；按照自變數和因變數之間的關係型別，可分為線性迴歸分析和非線性迴歸分析
4樓：峰
一、相關分析與迴歸分析的區別：
1、相關分析中涉及的變數不存在自變數和因變數的劃分問題，變數之間的關係是對等的；而在迴歸分析中，則必須根據研究物件的性質和研究分析的目的，對變數進行自變數和因變數的劃分。因此，在迴歸分析中，變數之間的關係是不對等的。
2、在相關分析中所有的變數都必須是隨機變數；而在迴歸分析中，自變數是確定的，因變數才是隨機的。
3、相關分析主要是通過一個指標即相關係數來反映變數之間相關程度的大小，由於變數之間是對等的，因此相關係數是唯一確定的。而在迴歸分析中，對於互為因果的兩個變數，則有可能存在多個迴歸方程。
二、相關分析與迴歸分析的聯絡
1、相關分析是迴歸分析的基礎和前提，迴歸分析則是相關分析的深入和繼續。
2、相關分析需要依靠迴歸分析來表現變數之間數量相關的具體形式，而回歸分析則需要依靠相關分析來表現變數之間數量變化的相關程度。
3、只有當變數之間存在高度相關時，進行迴歸分析尋求其相關的具體形式才有意義。
4、如果在沒有對變數之間是否相關以及相關方向和程度做出正確判斷之前，就進行迴歸分析，很容易造成「虛假迴歸」。
5樓：peking在路上
迴歸分析和相關分析都是研究變數間關係的統計學課題,它們的差別主要是：
1、在迴歸分析中,y被稱為因變數,處在被解釋的特殊地位,而在相關分析中,x與y處於平等的地位,即研究x與y的密切程度和研究y與x的密切程度是一致的；
2、相關分析中,x與y都是隨機變數,而在迴歸分析中,y是隨機變數,x可以是隨機變數,也可以是非隨機的,通常在迴歸模型中,總是假定x是非隨機的；
3、相關分析的研究主要是兩個變數之間的密切程度,而回歸分析不僅可以揭示x對y的影響大小,還可以由迴歸方程進行數量上的**和控制。
6樓：匿名使用者
這兩種分析是統計上研究變數之間關係的常用辦法。
相同點：他們都可以斷定兩組變數具有統計相關性。
不同點：相關分析中兩組變數的地位是平等的，不能說一個是因，另外一個是果。或者他們只是跟另外第三個變數存在因果關係。
而回歸分析可以定量地得到兩個變數之間的關係，其中一個可以看作是因，另一個看作是果。兩者位置一般不能互換。
7樓：150王王王
統計關係本身不可能意味著任何因果關係
迴歸分析與相關分析的區別
8樓：多可莉
相關分析，是看2個因素之間的相關性，也就是2個因素之間是否有關聯；
如果計算出來是1，那麼2個因素是完全正相關，如果是0，那麼說明這2個因素完全不相關，如果是負數，那麼說明2個因素是負相關。
打個比方，身高和腳的大小，相關性就會比較高一些，而身高和頭髮長度，那麼基本上就是不相關的。如果我們知道一個人個子高，那麼我們可以比較有把握的認為他腳大，但不會認為他頭髮長。
像俗話說，頭髮長見識短，那麼在這句話裡面，頭髮長度，和見識的多少就是負相關。
迴歸分析也是分析不同因素之間的關係，迴歸的型別很多，在多元迴歸分析的時候，一般也有涉及到相關性。
比如一個產品的客戶滿意度可能來自於效能、**、包裝、品牌等等不同的因素，那麼我們可以對這些因素進行分析，通過軟體分析之後一般會有一個專案f校驗，這個會反映每個變數對於最終結果（因變數）的相關程度。通過f校驗，我們可以把一些與結果相關性不叫弱的變數剔除。
多因素方差分析與迴歸分析有什麼異同啊？ 15
9樓：匿名使用者
先單獨分析各個變數對研究因素是否有意義，然後把有意義的進入迴歸分析。
10樓：匿名使用者
做迴歸分析，因變數的係數就顯示了他對變數的影響
相關分析與迴歸分析有何區別與聯絡？
11樓：中教朝陽教區
一、相關分析與迴歸
分析的聯絡
相關分析是迴歸分析的基礎和前提，迴歸分析則是相關分析的深入和繼續。相關分析需要依靠迴歸分析來表現變數之間數量相關的具體形式，而回歸分析則需要依靠相關分析來表現變數之間數量變化的相關程度。只有當變數之間存在高度相關時，進行迴歸分析尋求其相關的具體形式才有意義。
如果在沒有對變數之間是否相關以及相關方向和程度做出正確判斷之前，就進行迴歸分析，很容易造成「虛假迴歸」，相關分析只研究變數之間相關的方向和程度，不能推斷變數之間相互關係的具體形式，也無法從一個變數的變化來推測另一個變數的變化情況，在具體應用過程中，只有把相關分析和迴歸分析結合起來，才能達到研究和分析的目的。
二、相關分析與迴歸分析的區別
1．相關分析中涉及的變數不存在自變數和因變數的劃分問題，變數之間的關係是對等的；而在迴歸分析中，則必須根據研究物件的性質和研究分析的目的，對變數進行自變數和因變數的劃分。在迴歸分析中，變數之間的關係是不對等的。
2．在相關分析中所有的變數都必須是隨機變數；而在迴歸分析中，自變數是確定的，因變數才是隨機的，即將自變數的給定值代入迴歸方程後，所得到的因變數的估計值不是唯一確定的，而會表現出一定的隨機波動性。
3．相關分析主要是通過一個指標即相關係數來反映變數之間相關程度的大小，由於變數之間是對等的，因此相關係數是唯一確定的。而在迴歸分析中，對於互為因果的兩個變數 ，則有可能存在多個迴歸方程。
12樓：騰昌休秋芸
相關：顧名思義就是看幾個變數間是否有關，有關的可能性有多大。
迴歸分析一般是用某個函式來代替兩個變數間的變化規律，進而對變數的下一個值做出估計的一種方法。
13樓：歐珍汪飛燕
一、迴歸分析與相關分析的區別：
（1）相關分析所研究的兩個變數是對等關係，迴歸分析所研究的兩個變數不是對等關係，必須根據研究目的確定其中的自變數、因變數。
（2）對於變數x與y來說，相關分析只能計算出一個反映兩個變數間相關密切程度的相關係數，計算中改變x和y的地位不影響相關係數的數值。迴歸分析有時可以根據研究目的不同分別建立兩個不同的迴歸方程。
（3）相關分析對資料的要求是，兩個變數都是隨機的，也可以是一個變數是隨機的，另一個變數是非隨機的。而回歸分析對資料的要求是，自變數是可以控制的變數（給定的變數），因變數是隨機變數。
二、迴歸分析與相關分析的聯絡：
（1）相關分析是迴歸分析的基礎和前提。假若對所研究的客觀現象不進行相關分析，直接作迴歸分析，則這樣建立的迴歸方程往往沒有實際意義。只有通過相關分析，確定客觀現象之間確實存在數量上的依存關係，而且其關係值又不確定的條件下，再進行迴歸分析，在此基礎上建立迴歸方程才有實際意義。
（2）迴歸分析是相關分析的深入和繼續。對所研究現象只作相關分析，僅說明現象之間具有密切的相關關係是不夠的，統計上研究現象之間具有相關關係的目的，就是要通過迴歸分析，將具有依存關係的變數間的不確定的數量關係加以確定，然後由已知自變數值推算未知因變數的值，只有這樣，相關分析才具有實際意義。
迴歸分析與相關分析的區別和聯絡是什麼？
14樓：百度文庫精選
最低0.27元開通文庫會員，檢視完整內
原發布者:李興萬
迴歸分析與相關分析聯絡、區別 簡單線性迴歸分析是對兩個具有線性關係的變數，研究其相關性，配合線性迴歸方程，並根據自變數的變動來推算和**因變數平均發展趨勢的方法。迴歸分析（regressionanalysis）通過一個變數或一些變數的變化解釋另一變數的變化。主要內容和步驟：
首先依據經濟學理論並且通過對問題的分析判斷，將變數分為自變數和因變數，一般情況下，自變數表示原因，因變數表示結果；其次，設法找出合適的數學方程式（即迴歸模型）描述變數間的關係；接著要估計模型的引數，得出樣本回歸方程；由於涉及到的變數具有不確定性，接著還要對迴歸模型進行統計檢驗，計量經濟學檢驗、**檢驗；當所有檢驗通過後，就可以應用迴歸模型了。迴歸的種類迴歸按照自變數的個數劃分為一元迴歸和多元迴歸。只有一個自變數的迴歸叫一元迴歸，有兩個或兩個以上自變數的迴歸叫多元迴歸。
按照迴歸曲線的形態劃分，有線性（直線）迴歸和非線性（曲線）迴歸。 相關分析與迴歸分析的關係（一）相關分析與迴歸分析的聯絡相關分析是迴歸分析的基礎和前提，迴歸分析則是相關分析的深入和繼續。相關分析需要依靠迴歸分析來表現變數之間數量相關的具體形式，而回歸分析則需要依靠相關分析來表現變數之間數量變化的相關程度。
只有當變數之間存在高度相關時，進行迴歸分析尋求其相關的具體形式才有意義。如果在沒有對變數之間是否相關以及相關方向和程度做出正確判斷之前，就進行迴歸分析，很容易造成
用SPSS進行多元迴歸分析之前必須進行資料標準化處理嗎
不需要的，直接進行分析 不是必須進行 標準化處理 在用spss做多元線性迴歸時，需不需要將資料標準化？用標準化的資料和原始資料做出來的結果是不是不一樣？不需要進行標準化 spss迴歸分析的結果本身就會給出一個經過標準化的迴歸係數 標準化之後的資料 做出來就沒有常數項的 在選項中選擇beta就可以啦 ...
線性迴歸分析和指數迴歸分析有什麼區別，如何使用
您好線性迴歸分析和指數迴歸分析其實理論基礎是一樣的，基本沒有區別，另外，今年的 基本會出現大幅度的 這已經是不可避免的了，經濟資料您也可以看到，市場的 業績下滑也是不爭的事實，另外大股東的 和註冊制度加快實施，也會嚴重影響 市場，另外新股加速擴容和人民幣加速貶值，都在很大的方面壓制 這些還只是 市場...
多元線性迴歸結果的解釋ANOVA方差分析sig
說的沒錯 自變數之間存在共線性 或者叫多重共線性 自變數自己存在共線性 multicolinearity spss軟體的線性迴歸分析中,輸出了一個anova表,表中的迴歸 殘差 平方和 df 均方 f sig分別代表什麼 5 1 迴歸是方法,殘差在數理統計中是指實際觀察值與估計值 擬合值 之間的差,...