方差分析和回归分析的区别与联系.docxVIP

一、方差剖析和回归剖析的区别与联系？（以双变量为例） 联系： 1、观点上的相像性 回归剖析是为了剖析变量间的因果关系，研究自变量X取不同值时，因变量平均 值Y的变化。运用回归剖析方法，能够从变量的总偏差平方和中分解出已被自变量解释掉的误差（解释掉误差）和未被解释掉的误差（节余误差）； 方差剖析是为了剖析或查验总体间的均值是否有所不同。经过对样本中自变量X取不同值时所对应的因变量Y均值的比较，推论到总体变量间是否存在关系。运用方差剖析，也能够从变量的总离差平方和中分解出已被自变量解释掉的误差和 未被自变量解释掉的误差。因此两种剖析在观点上所拥有的相像性是显而易见的。 2、统计剖析步骤的相像性 回归剖析在确定自变量X是否为因变量Y的影响因素时，从剖析步骤上先对X 和Y进行有关剖析，然后成立变量间的回归模型。最后再进行参数的统计显著性查验或对回归模型的统计显著性进行查验。 方差剖析在确定X是否是Y的影响因素时，是先从样本所的数据的剖析下手，然后考察数据模型，最后对样本均值是否相等进行显著性查验。二者在剖析步骤上也拥有相像性。 3、假定条件拥有一定的相像性 回归剖析有五个基本假定，分别是：自变量能够是随机变量也能够是非随机变量；X与Y之间存在的非确定性的有关关系，要求Y的所有子总体，其方差都相等；子总体均值在一条直线上；随机变量Yi是统计独立的，即Y1的数值不影响Y2的数值，各Y值之间都没有关系；Y值的每一个子总体都知足正态散布。 方差剖析的基本假定有：等方差性（总体中自变量的每一取值所对应因变量的散布都拥有相同方差）；Yi的散布为正态散布。  Yi 二者在假定条件上存在着相同。 4、在总离差平方和中的分解形式和逻辑上的相像性 回归剖析中，TSS=RSS+RSSR，而在方差剖析中，TSS=RSS+BSS。二者均是以已解释掉的误差与未被解释掉的误差之和为总离差平方和。 5、确定影响因素上的相像性 为简化剖析起见,我们假定只有一个自变量X影响因变量Y。在回归剖析中,要确定X是否是Y的影响因素,就要看当X已知时,对Y的总偏差有无影响。如果X不是影响Y的因素,等同于只知变数Y的数据列同样,此时用Y去估计每个丫的值,所犯的错误(即偏差)为最小。如果因素X是影响Y的因素,那么当已知X值后 6、在统计显著性查验上拥有相像性 回归剖析的总显著性查验,是一种用R2测量回归的全部解释功能的查验。查验RSSR*(N-2)/RSS， 方差剖析的显著性查验是一种根据样本数据提取信息所进行的显著性查验。它也是经过F查验进行的。 区别： 1、研究变量的剖析点不同 回归剖析法既研究变量Y又研究变量X并在此基础上集中研究变量Y与X的函数 关系,获得的是在不独立的情况下自变量与因变量之间的更为精准的回归函数式,也即判断有关关系的种类，因此需成立模型并估计参数。方差剖析法集中研究变 量Y的值及其变差而变量X值仅用来把Y值区分为子群或组,获得的是自变量(因素)对总量Ｙ是否拥有显著影响的整体判断，因此不需要成立模型和估计参数。 2、变量层次不同 回归剖析的数据则要求是连续的,总量也要求是连续的,所以回归剖析对连续性变量特别有效，回归剖析研究的是定量因素自变量X对因变量Y的影响,变量Y 与X均用定距尺度去测量。自然,在回归剖析中也不是绝对排挤定性因素对应变数Y的影响,因为对定性因素可采用虚构变数的办理方法。方差剖析中的因素与总量的数据能够是定性的,计数的,也能够是计量的,或许说是离散的或连续的。 尤其方差剖析关于因素是定性数据也特别有效。变量Y用定距尺度去测量,变数 用定类尺度之测量。 3、 回归剖析只能剖析出变量之间关系比较简单的回归函数式,对照较复杂的关系无能为力。方差剖析若获得因素与总量Ｙ之间有显著性关系,但到底是怎样的关系做不出详细的回答,只能用回归剖析来获得它们之间的回归函数关系式。方差分 析不论变量之间(因素与总量Ｙ)的关系有多么复杂,总能获得因素对总量Ｙ的影响是否显著的整体判断。 4、确定Y均值方法不同 回归剖析由于使用的对应次序数据,即Xi只有一个Yi与之对应,因此Y无法由已知数据确定,它是经过成立回归方程求的。而方差剖析因素Xi对应的Y是直接经过试验数据求得的。 5、所得结果提供的信息不同 回归剖析可提供两种种类的信息:一是依据最小二乘法原则，成立X和Y的有关模型，并在X取不同值时影响对应的Y变量的数值，经过X取值能够对Y取值进行预估；二是因变量Y的总变差分解为相加的分量，用之进行F检定。而方差剖析只是提供后一种。