1樓：匿名使用者
對於因變數來說沒意義自變數當然不能納入。譬如學生的學習成績與下列因素有關：1.
智商2.勤奮程度3.課程與試題難度4.
興趣5.考試的臨場發揮6.。。。等等如果你再加上與年齡身高相關那不很可笑嗎相同的原理
單因素統計和多因素回歸分析有什麼區別
2樓：學雅思
一、概念不同
1、單因素統計：單因素分析（monofactor analysis）是指在乙個時間點上對某一變數的分析。
2、多因素回歸分析：指在相關變數中將乙個變數視為因變數，其他乙個或多個變數視為自變數，建立多個變數之間線性或非線性數學模型數量關係式並利用樣本資料進行分析的統計分析方法。
二、方法不同
1、單因素統計：試驗單元編號、隨機分組。
2、多因素回歸分析：引進虛擬變數的回歸分析、曲線回歸、多元回歸模型。
三、應用方向不同
1、單因素統計：單因素的盆栽試驗；溫室內、實驗室內的實驗等，應用該設計，若實驗中獲得的資料各處理重複數相等，採用重複數相等的單因素資料方差分析法分析，若實驗中獲得的資料各處理重複數不相等，則採用重複數不等的單因素資料方差分析法分析。
2、多因素回歸分析：影響因變數的因素有多個，這種多個自變數影響乙個因變數的問題可以通過多元回歸分析來解決。
例如，經濟學知識告訴我們，商品需求量q除了與商品**p有關外，還受到替代品的**、互補品的**，和消費者收入等因素，甚至還包括商品品牌brand這一品質變數(品質變數不能用數字來衡量，需要在模型中引入虛擬變數)的影響。
3樓：愛我家菜菜
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回歸分析。
多因素方差分析是對乙個獨立變數是否受乙個或多個因素或變數影響而進行的方差分析。spss呼叫「univariate」過程，檢驗不同水平組合之間因變數均數，由於受不同因素影響是否有差異的問題。在這個過程中可以分析每乙個因素的作用，也可以分析因素之間的互動作用，以及分析協方差，以及各因素變數與協變數之間的互動作用。
該過程要求因變數是從多元正態總體隨機取樣得來，且總體中各單元的方差相同。但也可以通過方差齊次性檢驗選擇均值比較結果。因變數和協變數必須是數值型變數，協變數與因變數不彼此獨立。
因素變數是分類變數，可以是數值型也可以是長度不超過8的字元型變數。固定因素變數(fixed factor)是反應處理的因素;隨機因素是隨機地從總體中抽取的因素。
相關分析與回歸分析的聯絡與區別是什麼？詳細點的，高手來
4樓：龍源期刊網
最低0.27元開通文庫會員，檢視完整內
5樓：木子青耶
1.回歸分析與相關分析的聯絡：
（1）研究在專業上有一定聯絡的兩個變數之間是否存在直線關係，以及如何求得直線回歸方程等問題，需進行直線相關和回歸分析。
（2）如果為了解兩變數之間呈直線關係的密切程度和方向，適合選用線性相關分析；
如果為了建立由自變數推算因變數的直線回歸方程，適合選用直線回歸分析。
（3）作相關分析時，要求兩變數都是隨機變數；
作回歸分析時要，要求求因變數是隨機變數，自變數可以是隨機的，也可以是一般變數。
（4）用計算器實現統計分析時，可用對相關係數的檢驗取代對回歸係數的檢驗,簡潔明瞭。
2.回歸分析和相關分析的區別：
（1）在回歸分析中，y處在被解釋的特殊地位；
而在相關分析中，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；
而在回歸分析中，y是隨機變數，x可以是隨機變數，也可以是非隨機的，通常在回歸模型中，總是假定x是非隨機的；
（3）相關分析主要兩個變數之間的密切程度，
而回歸分析揭示x對y的影響大小，同時可以進行數量上的**和控制。
參考資料:中華考試網－統計師《統計相關知識》之相關分析與回歸分析
6樓：匿名使用者
一、相關分析與回歸分析的區別：
1、劃分不同：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；而在回歸分析中，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，在回歸分析中，變數之間的關係是不對等的。
2、變數不同：在相關分析中所有的變數都必須是隨機變數；而在回歸分析中，自變數是確定的，因變數才是隨機的。
3、大小不同：相關分析主要是通過乙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。而在回歸分析中，對於互為因果的兩個變數，則有可能存在多個回歸方程。
二、相關分析與回歸分析的聯絡
1、相關分析是回歸分析的基礎和前提，回歸分析則是相關分析的深入和繼續。相關分析需要依靠回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。
2、只有當變數之間存在高度相關時，進行回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，就進行回歸分析，很容易造成「虛假回歸」。
1、 從統計分析的角度上講，對於傳統的單因素分析方法，其結果展示相對簡單，它們僅能提示組間均值或率的分布差異有無統計學顯著性；
2、而採用單因素回歸分析，除了定性的展示組間差異外，還可以提供更為豐富的資訊，比如偏回歸係數(β)的估計值、效應估計值(or、rr值)等等，這些統計指標能夠在一定程度上反映該指標的效應大小和可信區間。
3、對於回歸分析來說，先做單因素回歸，再做多因素回歸，這種分析思路展現了從單獨乙個因素到控制多個混雜因素的變化過程。
4、此時，單因素回歸分析的結果對於變數的篩選就顯得很有意義，我們可以根據前後偏回歸係數或者or值的變化，來協助判斷是否需要將其納入到多因素回歸中進行調整和控制。
7樓：匿名使用者
相關分析與回歸分析的研究目的不相同，相關分析用於描述變數之間是否存在關係，而回歸分析則是研究影響關係情況，反映乙個x或者多個x對y的影響程度。
相關分析只能研究變數之間相關的方向和程度，卻不能得到變數之間相互關係的具體形式，也無法從乙個變數的變化來推測另乙個變數的變化情況，而這些都可以通過回歸分析得出。
因而分析時首先應該確定研究變數之間是否存在關係，即先進行相關分析。當兩個變數之間存在顯著的關聯時，再進行回歸分析。有了相關關係，才可能有回歸影響關係，如果沒有相關關係，也不應該有影響關係。
兩種方法均可用spssau進行分析，並得到標準化分析結果，配合智慧型文字分析快速解讀資料報告。
統計學題 相關分析與回歸分析有何區別與聯絡
8樓：中教朝陽教區
一、相關分析與回歸分析的聯絡
相關分析是回歸分析的基礎和前提，回歸分析則是相關分析的深入和繼續。相關分析需要依靠回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，進行回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，就進行回歸分析，很容易造成「虛假回歸」，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，也無法從乙個變數的變化來推測另乙個變數的變化情況，在具體應用過程中，只有把相關分析和回歸分析結合起來，才能達到研究和分析的目的。
二、相關分析與回歸分析的區別
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；而在回歸分析中，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。在回歸分析中，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；而在回歸分析中，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回歸方程後，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乙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。而在回歸分析中，對於互為因果的兩個變數 ，則有可能存在多個回歸方程。
相關分析與回歸分析的區別和聯絡是什麼？
9樓：love生活
一、回歸分析和相關分析主要區別是：
1、在回歸分析中,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,而在回歸分析中,y是隨機變數,x可以是隨機變數,也可以是非隨機的,通常在回歸模型中,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,還可以由回歸方程進行數量上的**和控制.
二、回歸分析與相關分析的聯絡：
1、回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回歸方程等問題,需進行直線相關分析和回歸分析。
3、從研究的目的來說：
若僅僅為了了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回歸方程,宜選用直線回歸分析.
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；空氣中的相對濕度與降雨量之間的相關關係都是相關分析研究的問題。
2、回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。
回歸分析按照涉及的變數的多少，分為一元回歸和多元回歸分析；按照因變數的多少，可分為簡單回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，可分為線性回歸分析和非線性回歸分析
10樓：峰
一、相關分析與回歸分析的區別：
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；而在回歸分析中，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，在回歸分析中，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；而在回歸分析中，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乙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。而在回歸分析中，對於互為因果的兩個變數，則有可能存在多個回歸方程。
二、相關分析與回歸分析的聯絡
1、相關分析是回歸分析的基礎和前提，回歸分析則是相關分析的深入和繼續。
2、相關分析需要依靠回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，進行回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，就進行回歸分析，很容易造成「虛假回歸」。
統計學根據下表求ab的值和回歸方程
xy的均值 為 4544.6 8 568.075 x的均值為 36.4 8 4.55 y的均值為 880 8 110 所以，x y的協方差為 568.075 4.55 110 67.575 x 2的均值為 207.54 8 25.9425 所以，x的總體方差為 25.9425 4.55 2 5.24...
統計學中，什麼是抽樣誤差？影響抽樣誤差的因素有哪些
抽樣誤差是指由於隨機抽樣的偶然周素使樣本各單位的結構對總體各單位結構的代表性差別，而引起的抽樣指標和全及指標之間的絕對離差。如抽樣平均數與總體平均數的絕對離差，抽樣成數與總體成數的絕對離差等等。必須指出，抽樣誤差是抽樣所特有的誤差。凡進行抽樣就一定會產生抽樣誤差，這種誤差雖然是不可避免的，但可以控制...
統計學中帕氏指數和拉氏指數的不同點
拉氏指數將同度量因素固定在基期，可以消除權數變動對指數的影響，從而使不現時期的指數具有可比性。拉氏數量指標指數是假定在 不變的條件下報告期銷售量綜合變動，它不僅可以單純地反映出銷售量的綜合變動水平，也符合計算銷售量綜合變動，它不僅可以單純地反映出銷售量的綜合變動水平，也符合計算銷售量指數的實際要求。...