تفاوت اصلی روش های تحلیل همبستگی و رگرسیون در این است که روش همبستگی میزان ارتباط میان دو یا بیش از دو متغیر را بررسی می کند در حالی که روش رگرسیون بر اساس مشاهده یک یا چند متغیر (مستقل) به دنبال پیش بینی یک یا چند متغیر دیگر (پاسخ) است.

بیشتر بخوانید: تفاوت همبستگی اسپیرمن و پیرسون چیست؟

برای این که تفاوت های دو روش تحلیل رگرسیون و تحلیل همبستگی را به خوبی بیان و تفهیم کنیم، ابتدا به طور مختصر به تعریف هر یک از آن ها می پردازیم:

۱- روش تحلیل رگرسیون

رگرسیون (Regression) در لغت به معنای بازگشت است، یعنی این روش بر اساس داده ها و مشاهدات گذشته، سعی در بررسی اثرات همزمان متغیرها بر روی متغیر پاسخ و همچنین در برخی موارد پیش بینی متغیر پاسخ دارد. به عنوان مثال، برای بررسی میزان تاثیر متغیرهای مختلفی مانند جنسیت، میزان قند خون، چاقی و … بر روی متغیر بیماری سرطان می توان از روش تحلیل رگرسیون استفاده کرد.

۲- روش تحلیل همبستگی

در روش همبستگی (Correlation) هدف اصلی بررسی میزان و شدت ارتباط متغیرها می باشد. این روش یک عدد بین ۱- تا ۱ را به عنوان میزان همبستگی دو متغیر با هم به ما می دهد که می توانیم برای تحلیل این رابطه از آن استفاده کنیم. توجه داشته باشید که همبستگی به صورت دو به دو بین متغیرها محاسبه می شود.

۳- انواع ضریب همبستگی

به طور کلی ما دو ضریب همبستگی به شرح زیر داریم:

    الف) ضریب همبستگی پیرسون

زمانی از این روش برای ارزیابی و آزمون کردن رابطه بین دو متغیر در آمار استفاده می کنیم که هر دو متغیر دارای توزیع مشخص (مانند نرمال، تی، کوشی و …) باشند که این گونه داده ها را داده های پارامتری و ضریب همبستگی پیرسون را یک روش همبستگی پارامتری می نامیم.

    ب) ضریب همبستگی اسپیرمن

حال اگر قصد بررسی ارتباط میان دو متغیری را داشته باشیم که هر دو فاقد توزیع مشخصی باشند (نرمال نباشند)، آن گاه برای بررسی ارتباط میان آن دو باید از روش ضریب همبستگی اسپیرمن استفاده کنیم که این متغیرها را متغیرهای ناپارامتری و روش اسپیرمن را روش همبستگی ناپارامتری می نامیم.

۳- تفاوت همبستگی و رگرسیون چیست؟

اصلی ترین تفاوت میان روش های همبستگی و رگرسیون در خروجی حاصل این دو روش است. خروجی روش همبستگی همانطور که گفتیم اثرات بین متغیرها را به صورت دو به دو بررسی می کند اما یک روش رگرسیونی این اثرات را به صورت همزمان تجزیه و تحلیل می کند. بنابراین، این دو روش هم از نظر هدف و هم از نظر خروجی حاصل با هم تفاوت دارند.

به طور مختصر، همبستگی میان دو متغیر محاسبه می شود و در این روش باید تعداد مشاهدات دو متغیر (مانند تعداد اعضای دو جامعه) باید با هم نظیر به نظیر برابر باشند. اما روش رگرسیون که یکی از پرکاربردترین روش های آماری است تغییرات متغیر وابسته (پاسخ) را از طریق متغیرهای مستقل پیش بینی کند و همچنین سهم هر یک از متغیرهای مستقل بر روی تفسیر متغیر وابسته را تعیین نماید. بنابراین از نظر کاربرد این دو روش با هم تفاوت دارند.

بیشتر بخوانید: انواع روش محاسبه حجم نمونه در آمار