回归与相关有什么区别？ 第1页

这步的确容易搞混，因为从计算的角度考虑两者有一致的东西。

相关分析和回归分析是很常用的两种数理统计方法，在很多研究领域有着广泛的用途，尤其是经管学科。

这两种方法，绝大部分人是借助SPSS，SAS，STATAS等统计软件完成。对里面的计算细节并不做要求。

这导致了描述的时候经常搞混。同时由于这两种种数理统计方法除了相似之处，很多数理统计教科书中并没有讲两者的内在差别，从而使很多研究者不能正确的理解相关分析与回归分析。

相关分析与回归分析均为研究多个随机变量间关联性的方法，但这两种数理统计方法存在本质的差别，它们是用于不同的研究目的。

相关性分析：在于检验随机变量的共变趋势（即共同变化的程度），

回归分析：在于试图用自变量来预测因变量的值。

使用回归分析前即有验的假设的。

在相关分析中，两个变量必须同时都是随机变量，如果其中的一个变量不是随机变量，就不能进行相关分析。这是相关分析方法本身所决定的。

回归分析，其中的因变量肯定为随机变量（这是回归分析方法本身所决定的），而自变量则可以是普通变量（规范的叫法是“固定变量”，有确定的取值）也可以是随机变量。

回归分析中的 在数学上恰好是Pearson相关系数。

这是最容易理解错误的地方。

认为就是 “相关系数”或“相关系数的平方”。

当然，在理解相关性，回归分析后，还有一个更重要的逻辑问题。

就是相关性与因果性的问题。理解这个之前，来看下面一个例子。

1、例子

该论文就是一篇很好的从回归分析，到因果性分析的很好的论文。

2、回归分析部分

首先是苦力跟体力活，是实地调查的。在文中把干的体力活讲清楚了。然后把统计数据丢到软件里，点几个按钮。然后出结果。

先进行描述性统计。（这步非常关键，要描述清楚要素是什么玩意，是什么意思）。

接着点两下按钮。

回归分析的结果很简单，根据上面打星星的情况，得出原来14个要素里面有10个要素是紧密相关的。其结论很简洁，就是14个要素里有4个可以丢弃的，有10个是重要的。

3、因果性分析与计算的问题

上面是结果图，就是找专家在一个软件里面利用对抗解释结构模型得到最终的结果。

上面的链接是可以快速计算对抗层级拓扑图的方法的。

流程如上。

总结：

总之，相关性与回归分析之间是存在交集的。回归分析本身可以看成是一种相关性分析。

相关性与因果性是不同的性质。如果映射成图，相关性是无向图，因果性是有向图。