文档介绍：相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值一般介于-1~1之间。相关系数不是等距度量值,而只是一个顺序数据。 又称皮(尔生)氏积矩相关系数,说明两个现象之间相关关系密切程度的统计分析指标。相关系数用希腊字母γ表示,γ值的范围在-1和+1之间。γ>0为正相关,γ<0为负相关。γ=0表示不相关;γ的绝对值越大,相关程度越高。两个现象之间的相关程度,一般划分为四级:如两者呈正相关,r呈正值,r=1时为完全正相关;如两者呈负相关则r呈负值,而r=-1时为完全负相关。完全正相关或负相关时,所有图点都在直线回归线上;点子的分布在直线回归线上下越离散,r的绝对值越小。当例数相等时,相关系数的绝对值越接近1,相关越密切;越接近于0,相关越不密切。当r=0时,说明X和Y两个变量之间无直线关系。相关系数的计算公式为<见参考资料>.其中xi为自变量的标志值;i=1,2,…n;■为自变量的平均值,为因变量数列的标志值;■为因变量数列的平均值。为自变量数列的项数。对于单变量分组表的资料,相关系数的计算公式<见参考资料>.其中fi为权数,即自变量每组的次数。在使用具有统计功能的电子计算机时,可以用一种简捷的方法计算相关系数,其公式<见参考资料>.使用这种计算方法时,当计算机在输入x、y数据之后,可以直接得出n、■、∑xi、∑yi、∑■、∑xiy1、γ等数值,不必再列计算表。简单相关系数:又叫相关系数或线性相关系数。它一般用字母r表示。它是用来度量定量变量间的线性相关关系。复相关系数:又叫多重相关系数复相关是指因变量与多个自变量之间的相关关系。例如,某种商品的需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。偏相关系数:又叫部分相关系数:部分相关系数反映校正其它变量后某一变量与另一变量的相关关系,校正的意思可以理解为假定其它变量都取值为均数。偏相关系数的假设检验等同于偏回归系数的t检验。复相关系数的假设检验等同于回归方程的方差分析。典型相关系数:是先对原来各组变量进行主成分分析,。意义:可决系数越大,自变量对因变量的解释程度越高,自变量引起的变动占总变动的百分比高。观察点在回归直线附近越密集。相关系数(correlationcoefficient)相关系数是表示两个变量(X,Y)之间线性关系密切程度的指标,用r表示,其值在-1至+1间。如两者呈正相关,r呈正值,r=1时为完全正相关;如两者呈负相关则r呈负值,而r=-1时为完全负相关。完全正相关或负相关时,所有图点都在直线回归线上;点子的分布在直线回归线上下越离散,r的绝对值越小。当例数相等时,相关系数的绝对值越接近1,相关越密切;越接近于0,相关越不密切。当r=0时,说明X和Y两个变量之间无直线关系。计算相关系数的公式为:定义与说明相关系数,或称线性相关系数、皮氏积矩相关系数(Pearsonproduct-momentcorrelationcoefficient,)等,是衡量两个随机变量之间线性相关程度的指标。它由卡尔·皮尔森(KarlPearson)在1880年代提出[1],现已广泛地应用于科学的各个领域。相关系数计算公式相