Aynı gözlemler, farklı araştırma soruları.
Korelasyon ile Regresyon Arasındaki Fark Nedir? Önce Soruyu Seçin
Pearson r, doğrusal ilişkiyi özetler. Regresyon modeli ise sonuç değişkenini ve yordayıcıları açıkça tanımlar. İkisi de tek başına, bir değişkene müdahale edildiğinde ne olacağını göstermez. [1] [3] [7] [8]
AcademicFix Editoryal Ekibi · Kaynak incelemesi:
Read this guide in English
Katsayıyı seçmeden önce üç kontrol
Bir sayıya anlam yüklemeden önce soruyu, ölçü birimini ve veri örüntüsünü görünür kılın.
İlişki mi, modellenen sonuç mu?
Korelasyon ve eğim, aynı gözlem çiftlerinin farklı özelliklerini anlatır.
Önce soruyu seçin02 / Birimi koruyun1 sa → 60 dkEğim neden değişiyor?
Kurmaca örnekte korelasyon aynı kalırken eğim, zamanın birimiyle birlikte değişiyor.
Hesabı inceleyin03 / Tek sayıyı aşınr = 0Noktalar yine de eğri çizebilir mi?
Hesaplanan ikinci örnek, sıfır doğrusal korelasyon ile ilişkisizliği ayırıyor.
Karşı örneği görünEşleştirilmiş sayısal gözlemleri yorumlayan tez ve makale araştırmacıları için. Örneklerde sabit terimli, ağırlıksız basit en küçük kareler regresyonu kullanılır. Bu rehber gerçek bir veri setini doğrulamaz, evrensel örneklem büyüklüğü veya tanı eşikleri önermez; nedensel analiz planının yerini almaz.
Bu rehberde
1. Soruyu ve değişkenlerin rollerini belirleyin
Pearson korelasyonu, eşleştirilmiş değerler arasındaki doğrusal ilişkiyi özetler; formülünde iki değişken simetriktir. Regresyonda ise bir sonuç değişkeni ve yordayıcılar belirtilir. En küçük kareler yöntemi, gözlenen sonuçlarla modele uydurulan değerler arasındaki sapmaların kareleri toplamını en aza indirerek parametreleri hesaplar. [1] [2] [3] [4]
Planlama önerimiz: yazılımı açmadan önce “X ve Y ne kadar doğrusal ilişkili?” veya “Belirtilen yordayıcılara göre modellenen Y nasıl değişiyor?” sorusunu yazın. X’e yordayıcı demek, zamansal sıralamayı veya nedenselliği kurmaz. NIST ilişkiyi neden-sonuçtan; Freedman ise X = x olan gözlemleri seçmeyi, müdahaleyle X = x yapmaktan ayırır. [7] [8]
Başka yordayıcılara göre düzeltilen katsayı, kurulan o modele koşulludur. Hangi değişkenlerin neden eklendiğini kaydedin. Yön bildiren her hipotezin otomatik olarak belirli bir model gerektirdiği sonucunu bu girişten çıkarmayın.
2. Aynı gözlemler, farklı birimler: hesaplanmış örnek
Tüm değerler öğretim için kurmacadır; araştırma bulgusu değildir. X değerleri 1, 2, 3, 4, 5, 6, 7, 8 saat; Y değerleri 55, 58, 57, 63, 62, 68, 70, 71 puan olsun. Y’yi X üzerinden sabit terimli modelle hesaplayın. Sonra aynı X değerlerini 60 ile çarparak dakikaya çevirin.
| X birimi | Pearson r | Eğim b | Sabit terim | R² |
|---|---|---|---|---|
| Saat | 0,9687 | 2,4286 puan/saat | 52,0714 puan | 0,9383 |
| Dakika | 0,9687 | 0,04048 puan/dakika | 52,0714 puan | 0,9383 |
Sonuçlar R 4.6.1’de cor ve lm ile yeniden hesaplandı. Saat birimindeki tahmin doğrusu ŷ = 52,0714 + 2,4286X’tir. Dakika kullanılan modelin eğimi, saatlik eğimin 60’a bölümüdür; r ise sayısal hassasiyet dışında değişmez. Bunlar verilen dizilerin hesaplarıdır; daha uzun çalışmanın puanı artırdığına kanıt oluşturmaz. Korelasyon formülü ve en küçük kareler modeli, ölçeklemenin farklı etkilerini açıklar. [1] [3] [4]
Aynı tam gözlem çiftleriyle kurulan bu sabit terimli, ağırlıksız basit modelde r² = R² olup yaklaşık 0,9383’tür. SciPy bu eşitliği basit regresyon işlevi için belirtir; R ise R²’yi artık ve toplam kareler toplamları üzerinden tanımlar. Bu örneği çoklu, ağırlıklı veya sabit terimsiz her modele genellemeyin. [5] [6]
Karar: doğrusal ilişkiyi anlatırken r’yi raporlayın. b’yi verirken sonuç/yordayıcı birimini koruyun ve modeli adlandırın. Büyük r veya R², veri örüntüsünün ve model uyumunun kontrolü yerine geçmez. [1] [9]
3. Sıfır doğrusal korelasyonun yanında belirgin bir eğri bulunabilir
İkinci kurmaca örnekte X = −3, −2, −1, 0, 1, 2, 3 ve Y = X² olsun: Y = 9, 4, 1, 0, 1, 4, 9. R bu yedi çift için Pearson r = 0 hesaplar; oysa Y, X tarafından belirlenmektedir. Bu, sonlu bir öğretim karşı örneğidir; evren tahmini veya gerçek bir araştırma sonucu değildir.
SciPy, Pearson korelasyonu sıfır olduğunda da bağımlılık bulunabildiğini örnekler. NIST, saçılım grafiğinin doğrusal özetin kaçırabileceği eğrisel biçimleri ve aykırı gözlemleri gösterdiğini açıklar. Küçük katsayıyı ilişkinin yokluğu diye yorumlamadan önce noktaların oluşturduğu örüntüye bakın. [1] [7]
Grafik notu önerimiz: biçimi, X boyunca yayılımın değişip değişmediğini ve hangi gözlemlerin veri kaydında denetlenmesi gerektiğini yazın. İstenen katsayıya veya p-değerine ulaşmak için gözlem silmeyin. Bu, editoryal veri denetimi önerisidir.
4. Katsayıyı hesaplamak ile çıkarım koşullarını ayırın
Betimsel katsayı, p-değeri ve güven aralığı farklı çıktılardır. R, cor ile cor.test işlevlerini ayırır; Pearson testinin dokümanı dağılım koşullarını belirtir. SciPy da katsayı formülünü, varsayılan testin varsayımlarından ve alternatif yeniden örnekleme seçeneklerinden ayrı açıklar. [2] [11] [1]
İş akışı önerimiz: bağımsız gözlem birimini, eksik verinin ele alınışını, katsayıyı ve çıkarım yöntemini belirtin. Tek bir normallik p-değerini bütün analizler için izin belgesi saymak yerine seçilen yöntemin dokümanını kontrol edin. R’nin tam gözlem ve ikili tam gözlem seçenekleri farklıdır; kullanılan kayıtlar değişince karşılaştırılan bilgiler de değişebilir. [2] [4]
Bu rehber evrensel VIF, Durbin-Watson, çarpıklık, basıklık veya “N = 50 + 8k” kabul kuralı sunmaz. Önceki sürümdeki bu kısa yollar kaldırılmıştır. Tanı önerisini ilgili model, tasarım ve çıkarım yöntemi için gerekçelendirin.
5. Her tanıyı yanıtladığı soruyla eşleştirin
NIST, yüksek R²’nin iyi uyumu garanti etmediğini belirtir ve artık grafiklerini vurgular. R, artık-uydurulan değer, artık Q-Q, yayılım ve etkili gözlem grafiklerini ayrı tanılar olarak sıralar. Q-Q grafiği, artık-uydurulan değer grafiğiyle aynı soruyu yanıtlamaz. [9] [10]
- Önerilen fonksiyon biçimi için sonuç-yordayıcı saçılımını inceleyin.
- Model kurulduğunda artık örüntülerini ve değişen yayılımı betimleyin.
- Etkili gözlemleri veri bağlamında araştırın.
- Gözlemler arası bağımlılığı araştırma tasarımına göre değerlendirin.
- Seçilen aralık, test veya kestirimlerin hangi varsayımları gerektirdiğini yazın.
Bu liste, eldeki gözlemlerin modele uyduğunu ilan eden bir sonuç değildir. Yeni gözlemler için kestirim ve gözlenen aralığın dışına kestirim ayrıca değerlendirilmelidir; NIST dışa kestirim ve sıra dışı gözlemler için özellikle uyarır. [3] [8]
6. Sonucu, sınanmamış bir iddia eklemeden yazın
“Sekiz kurmaca öğretim çifti için Pearson r = 0,9687’dir. Puanın saat üzerinden sabit terimli, ağırlıksız basit regresyonunda b = 2,4286 puan/saat ve R² = 0,9383 bulunmuştur. Bu betimsel hesaplar nedensel etkiyi göstermez ve yeni gözlemler için kestirimi doğrulamaz.”
Gerçek çalışmada örneklem tanımını, eksik veri işlemlerini, yazılım/sürümü, ilgili belirsizlik tahminlerini ve gerçekten yaptığınız tanıları ekleyin. Modeli ve katsayının birimini belirtin. Örneği gerçek bulgu diye kopyalamayın; incelemediğiniz bir grafiği raporlamayın.
İki öğretim örneğini R ile yeniden hesaplayın
x <- 1:8
y <- c(55, 58, 57, 63, 62, 68, 70, 71)
minutes <- 60*x
cor(x, y)
coef(lm(y ~ x))
coef(lm(y ~ minutes))
summary(lm(y ~ x))$r.squared
u <- -3:3
cor(u, u^2)
R.version.stringİki yorum tuzağı
Anlamlı bir regresyon katsayısı nedensel etkiyi gösterir mi?
Katsayı tek başına bir müdahalenin ne yapacağını göstermez. Nedensel yorum savunulabilir bir araştırma tasarımı ve ek varsayımlar gerektirir; modeli veriye uydurmak bunları kendiliğinden sağlamaz.
Yöntemi tek bir normallik p-değeriyle seçebilir miyim?
Önce araştırma sorusunu, değişken rollerini ve tahmin etmek istediğiniz niceliği belirtin. Betimsel katsayının hesaplanması ile test veya aralığın dayandığı varsayımları ayırın; ilgili tanıları sonra inceleyin.
Kaynaklar ve incelemenin sınırları
İlgili kaynak bölümleri 23 Ekim 2026’da okunmuştur. 1994 tarihli teknik rapor yalnızca gözlemsel koşullama ile müdahale ayrımını desteklemek için kullanılmıştır; bütün modern nedensel yöntemler hakkında hüküm olarak sunulmaz. Gerçek veri seti analiz edilmemiş, dergiye özgü bir eşik doğrulanmamıştır.
- SciPy: Pearson korelasyonu
Tanım, formül, çıkarım koşulları ve sıfır korelasyonla birlikte görülebilen bağımlılık örnekleri.
- R: korelasyon ve kovaryans
Usage ve Details: Pearson/sıra yöntemleri ile tam gözlem ve ikili tam gözlem seçenekleri.
- NIST: doğrusal en küçük kareler regresyonu
Model tanımı, kareli sapmaların en aza indirilmesi, dışa kestirim ve aykırı gözlem sınırları.
- R: doğrusal model kurma
Formül, sonuç ve yordayıcı rolleri, sabit terim, ağırlıklar ve eksik gözlemler.
- SciPy: basit doğrusal regresyon
Eğim, sabit terim, rvalue, belirleme katsayısı ve çıkarımsal standart hatalar.
- R: doğrusal model özetleri
Value: katsayılar, artıklar ve sabit terime göre tanımlanan R-kare.
- NIST: saçılım grafiği ve ilişki
Grafiğin yanıtladığı sorular; ilişkinin nedenselliği kanıtlamaması.
- Freedman: regresyonla ilişkiden nedenselliğe geçiş
1994 tarihli özgün teknik rapor, giriş ve Bölüm 3: gözlem seçmek ile değişkene müdahale etmek arasındaki ayrım.
- NIST: model uyumunun denetlenmesi
R-karenin yeterli olmaması; artık tanımı ve grafiklerle model kontrolü.
- R: doğrusal model tanı grafikleri
Description ve Details: artık-uydurulan değer, Q-Q, yayılım ve etkili gözlem tanıları.
- R: korelasyon için çıkarım
Details: Pearson testinin koşulları, tam gözlem çiftleri ve Fisher dönüşümüyle güven aralıkları.
Katsayıdan analiz planına geçin
- İki ölçümün uyumunu Bland–Altman ile değerlendirin
- Önce–sonra artışını ortalamaya dönüşten ayırın
- Normallik sonucunu modelin geçerliliğinden ayırın
- p-değerini etki büyüklüğü ve güven aralığıyla birlikte okuyun
- Doğrulanmış sonuçları açık etiketli bir tabloya yerleştirin