相关性分析和回归性分析的区别_相关性分析与回归分析-数据分析

相关性分析和回归性分析的区别

刚看了一篇外文文献，其中提到了几个变量之间的相关性分析。作者用SPSS得出A与B的相关性系数约为0.09，但显著性水平大于0.05即不显著。随后继续作回归性分析（未阐明是否是多元线性）结论是BETA 值0.35，显著性水平小于0.05。
因此有个疑问，既然相关性分析得出的结论是两已经不显著相关了，为何还要继续回归分析，回归分析不是得出具体的何种相关关系系数的吗？求正解。

谈点自己的理解：
1、相关与回归在只有两个变量的情况下其实说的差不多是一回事。
2、多变量情况下，可以用回归做预测，考虑调节变量，共线性问题，和多元回归一些其他功能，所以，继续做回归，还是两个变量，真的没必要，如果多变量情况下，还是可以考虑的。
相关只是看变量之间是否有关系，但是谁影响谁看不出来，而回归分析在相关的基础上，还存在着因果关系。这是二者之间在逻辑上最大的差别

一个不显著的相关系数不一定意味着变量间没有关系可能有三种情况：1，真的没有关系，2，有一定线性关系，由于样本小、误差大而未能检验出，3，可能是非线性关系。
而一个显著的回归并不一定具有实践的预测、控制意义，还要看决定系数的

个人感觉是否是在做回归分析时，校正了某些因素。
我的疑问和楼主恰恰相反：既然做了回归分析，为什么还要标明相关系数？
spss在做回归时自动进行了pearson相关分析，而这个结果基本是不看的，只看回归系数就好了。

相关分析是两两变量间的简单相关不是偏相关分析它的结果与多元分析中肯定是不一样的因为没有控制的概念在里面偏相关的结果与多元回归分析中的结果肯定就一致了

看完之后，总结一下：
当变量之间已经确认显著相关时，通过相关分析可以了解两者的相关程度，而回归分析则可以通过确定系数展现因果关系，同时有预测的功能。
当变量之间确认是弱相关或者不相关时，除真正不相关外，样本量少，误差大和可能非线性相关；后两者则可以通过回归分析体现。

相关性分析是对两个因子变量的相关性分析，如果相关系《0.01，为极显著水平，用“**”做上标；《0.05为显著水平，用“*”做上标。这样做的意义是看这两个因子的影响来源是否同源的。同源是显著或极显著；不同源是不显著。一般形式是上三角或下三角的形式。
回归分析就是拟合直线或曲线的，拟合的好不好用回归系数衡量，越显著即系数越小，拟合的越好。一般用来给出一个值求出另外一个值的。
我是做生态统计方面的，用过这些。

Spss做的相关分析是线性相关检验，不显著只能说明变量间不存在线性关系。可能存在非线性关系的，故而回归显著！

转载请注明：数据分析 » 相关性分析和回归性分析的区别_相关性分析与回归分析