线性回归方程中相关系数是什么意思

将反映两变量间线性相关关系的统计指标称为相关系数（相关系数的平方称为判定系数）；将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。

相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。

扩展资料

样本的简单相关系数一般用r表示，计算公式为：

其中n 为样本量，Xi和X分别为两个变量的观测值和均值。r描述的是两个变量间线性相关强弱的程度。r的取值在-1与+1之间，若r>0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r<0，表明两个变量是负相关，即一个变量的值越大另一个变量的值反而会越小。

r 的绝对值越大表明相关性越强，要注意的是这里并不存在因果关系。若r=0，表明两个变量间不是线性相关，但有可能是其他方式的相关。

利用样本相关系数推断总体中两个变量是否相关，可以用t 统计量对总体相关系数为0的原假设进行检验。若t 检验显著，则拒绝原假设，即两个变量是线性相关的；若t 检验不显著，则不能拒绝原假设，即两个变量不是线性相关的。

参考资料来源：百度百科-相关系数

线性回归方程公式相关系数r具体如下：

线性回归r2指的是相关系数，一般机器默认的是r2>099，这样才具有可行度和线性关系。 当根据试验数据进行曲线拟合时，试验数据与拟合函数之间的吻合程度，用一个与相关系数有关的一个量‘r平方’来评价，r^2值越接近1，吻合程度越高，越接近0，则吻合程度越低。

扩展知识：

相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础。

通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。决定系数，反应因变量的全部变异能通过回归关系被自变量解释的比例。如R平方为08，则表示回归关系可以解释因变量80%的变异。

换句话说，如果我们能控制自变量不变，则因变量的变异程度会减少80%。相关表示两变量间的相互关系，是双方向的。而回归则表示Y随X而变化，这种关系是单方向的。医学资料中的有些资料用相关表示较适宜。

常见的相关系数为简单相关系数，简单相关系数又称皮尔逊相关系数或者线性相关系数。线性相关系数计算公式如图所示：

r值的绝对值介于0～1之间。通常来说，r越接近1，表示x与y两个量之间的相关程度就越强，反之，r越接近于0，x与y两个量之间的相关程度就越弱。

线性相关系数性质：

(1)定理: | ρXY | = 1的充要条件是，存在常数a，b，使得P{Y=a+bX}=1。

相关系数ρXY取值在-1到1之间，ρXY = 0时。

称X,Y不相关; | ρXY | = 1时，称X,Y完全相关，此时，X,Y之间具有线性函数关系; | ρXY | < 1时，X的变动引起Y的部分变动，ρXY的绝对值越大，X的变动引起Y的变动就越大， | ρXY | > 08时称为高度相关，当 | ρXY | < 03时称为低度相关，其它时候为中度相关。

(2)推论:若Y=a+bX，则有。

证明: 令E(X) = μ，D(X) = σ。

则E(Y) = bμ + a，D(Y) = bσ。

E(XY) = E(aX + bX) = aμ + b(σ + μ)。

Cov(X,Y) = E(XY) − E(X)E(Y) = bσ。

若b≠0，则ρXY ≠ 0。

若b=0，则ρXY = 0。