#44 Korrelation, Regression, ANOVA - Alles das Gleiche?

03/09/22 • 25 min

Irgendwas mit Daten - Datenanalyse in der Industrie

Unterschiede und Gemeinsamkeiten bei der Zusammenhangs- und Einfluss-Analyse

Korrelation, Regression und ANOVA - alles das Gleiche?

👉 Woher kommen Korrelation und Regression?
👉 Woher kommt die Varianzanalyse (ANOVA)?
👉 Was sind die Gemeinsamkeiten von ANOVA und Regression?

Wenn Korrelation, Regression und Varianzanalyse (ANOVA, Analysis Of Variance) das Gleiche wären, bräuchten wir keine unterschiedlichen Namen für die drei Verfahren - oder? Die Unterschiede sind tatsächlich eher historisch gewachsen und liegen weniger in den Unterschieden zwischen den Verfahren selbst.

Klassischerweise wurde die Regression verwendet, wenn die Einflussgrößen messbar oder variabel sind, z. B. Temperatur und Druck. Die Varianzanalyse oder ANOVA bewertete klassischerweise kategoriale oder attributive Einflüsse wie verschiedene Maschinen oder Werkzeuge. In der praktischen Anwendung gab und gibt es häufig beide Arten von Einflüssen, so dass die ursprünglichen Methoden weiterentwickelt wurden.

Die Folge gibt einen Einblick in die geschichtliche Entwicklung von Korrelation, Regression und ANOVA und zeigt auf, wie diese Verfahren mit dem allgemeinen linearen Modell (general linear model, GLM) zusammehängen.

Links

👉 Kinship & Correlation
👉 Datenanalyse-Methoden & Leben von Ronald A. Fisher
👉 Rutherford, Andres (2000) "Introducing Anova and Ancova: A GLM Approach (Introducing Statistical Methods)" Sage Publications Inc., ISBN 9780761951612
👉 Stigler, Stephen M. (1986) "The History of Statistics: The Measurements of Uncertainity Before 1900" Harvard University Press, ISBN 9780674403406

Ich freue mich über Ihre Ideen & Nachrichten!

Barbara Bredner, [email protected]

Unterschiede und Gemeinsamkeiten bei der Zusammenhangs- und Einfluss-Analyse

Korrelation, Regression und ANOVA - alles das Gleiche?

👉 Woher kommen Korrelation und Regression?
👉 Woher kommt die Varianzanalyse (ANOVA)?
👉 Was sind die Gemeinsamkeiten von ANOVA und Regression?

Ich freue mich über Ihre Ideen & Nachrichten!

Barbara Bredner, [email protected]

Vorherige Episode

#43 Datenvisualisierungen & Tools

Bunte Bildchen sind super - oder etwa nicht?

Datenvisualisierungen & Tools

👉 Warum verwenden wir Visualisierungen?
👉 Wie finde ich die "richtige" Visualisierung?
👉 Was ist das beste Tool für Datenvisualsierungen?

"1 Bild sagt mehr als 1000 Worte." Dieser Satz ist absolut abgegriffen und trifft trotzdem den Nagel auf den Kopf: Wir Menschen können Informationen aus Bildern deutlich schneller aufnehmen und länger behalten als Text-Informationen. Alle Informationen in Bilder zu packen ist trotzdem nicht sinnvoll und wie gut eine Daten-Visualisierung funktioniert, hängt von vielen Aspekten ab.

Diese Folge liefert Ihnen Informationen dazu, wie Sie die beste Visualisierung für eine bestimmte Situation finden können und wann Visualisierungen eine schlechte Wahl sind. Sie bekommen Kriterien an die Hand, mit denen Sie gezielt ein passendes Visualisierungs-Tool auswählen können. Zum Ausprobieren von Tools finden Sie Links zu Datensätzen und einer Datensatz-Suchmaschine in den Shownotes.

Links

👉 Storytelling with Data - Challenges & Exercises
👉 Kaggle Datasets
👉 Open Data on AWS
👉 Datensatz-Suchmaschine von Google
👉 JMP Graph Builder Beispiele
👉 R package esquisse für Grafiken in R über eine Benutzeroberfläche
👉 Gartner Report: Magic Quadrant for Analytics and BI Platforms 2021

Schreiben Sie mir!

Ich freue mich über Ihre Nachricht! Barbara Bredner, [email protected]

Nächste Episode

#45 Wie funktioniert Einfluss-Analyse bei nicht-normalverteilten Ergebnissen?

warum "normal-verteilt" eher nicht normal ist

Wie funktioniert Einfluss-Analyse bei nicht-normalverteilten Ergebnissen?

👉 Warum ist das Ergebnis nicht normal-verteilt?
👉 Wie funktionieren verallgemeinerte lineare Modelle (GLM: Generalized Linear Models)?
👉 Sind Machine Learning Modelle auch GLMs?

Die Normalverteilung von Messwerten wird für viele Methoden vorausgesetzt und sie scheint oft "das Normalste" von der Welt zu sein - bis echte Messwerte aufgenommen werden. Die sind selten normalverteilt und damit stellt sich schnell die Frage, warum die Messwerte nicht aus einer "normalen" Verteilung kommen.

Mögliche Antworten darauf erhalten Sie in der aktuellen Folge. Außerdem geht es darum, wie Auswertungen bei nicht-normalverteilten Messdaten z. B. mit GLMs funktionieren und wie die verallgemeinerten linearen Modelle mit den Methoden des maschinellen Lernens zusammenhängen.