线性相关系数公式(线性回归r的两个公式)

一、相关系数的两个表达式

相关系数有多种。

1.在一元线性回归中：y=ax+b（1）y，x之间的关系用一个简单的相关系数就可描述；

2.在多元线性回归中，因变量y与n（>1)个自变量：x1，x2,，xn，之间存在线性关系，即：y=a1x1+a2x2++anxn（2）那么y与（x1，x2,，xn）之间的相关性用简单的相关系数无法确定。此时引出两个比较复杂的相关系数：复相关系数和偏相关系数。

3.复相关系数用来评价y与（x1，x2,，xn）之间的相关性，复相关系数大时，表示y与（x1，x2,，xn）中每一个关系都比较密切，其值小时，表明n个自变数中可能有些对y的影响不大。但到底哪些变量对y的影响微弱，得用偏相关系数来确定。

4.y对xi（i=1,2,,n）的偏相关系数用来判断xi对y的贡献的大小。若y对xi的偏相关系数很小，就可以在（2）中将xi舍弃！

5.x，y的相关系数＝x，y的协方差除以x的标准差，再除以y的标准差。

6.复相关系数和偏相关系数公式较复杂，不写了。

二、线性相关系数公式的推导

若Y=a+bX，则有：令E(X)=μ，D(X)=σ则E(Y)=bμ+a，D(Y)=bσE(XY)=E(aX+bX)=aμ+b(σ+μ)Cov(X,Y)=E(XY)?E(X)E(Y)=bσ相关系数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。

三、线性相关系数是什么

线性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。

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。

需要说明的是，皮尔逊相关系数并不是唯一的相关系数，但是最常见的相关系数，以下解释都是针对皮尔逊相关系数。

依据相关现象之间的不同特征，其统计指标的名称有所不同。

如将反映两变量间线性相关关系的统计指标称为相关系数；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。