一、有关叫法
相关系数包括:简单相关系数、复相关系数、偏相关系数、典型相关系数 ;
相关指数又叫做决定系数、判定系数、拟合优度。
二、相关系数
2.1 概念
由于研究对象的不同,相关系数的定义也有所不同:
2.1.1 简单相关系数
简单相关系数:又叫相关系数或线性相关系数,一般用字母r表示,描述自变量和因变量的线性相关程度
- 当r大于0时,表明两个变量正相关,r小于0时,表明两个变量负相关;
- r的绝对值越接近于1时,表明两个变量的线性相关性越强;
- r的绝对值越接近于0时,表明两个变量之间几乎不存在线性相关关系;
- 通常|r|大于0.75时,认为两个变量有很强的线性相关性。
2.1.2 复相关系数
复相关系数:又叫多重相关系数,一般用字母R来表示。复相关系数是反映一个因变量与一组自变量(两个或两个以上)之间相关程度的指标。它不能直接测算,只能采取一定的方法进行间接测算。(具体可参考:https://wiki.mbalib.com/wiki/%E5%A4%8D%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0)
2.1.3 偏相关系数
偏相关系数:又叫部分相关系数,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。
2.1.4 典型相关系数
典型相关系数:是先对原来各组变量进行主成分分析,得到新的线性关系的综合指标,再通过综合指标之间的线性相关系数来研究原各组变量间相关关系。
2.1.5 相关指数
描述回归模型的回归效果
- 越大,确定的回归模型的拟合效果越好,越小,模型的拟合效果越差;
- 越接近于1,表示拟合效果越好;
- 在实际中,我们应该尽量选择大的回归模型
2.2 计算公式
2.2.1 简单相关系数
2.2.2 复相关系数
2.2.3 偏相关系数
2.2.4 典型相关系数
2.2.5 相关指数
回归平方和:SSR(Sum of Squares forregression) = ESS (explained sum of squares)
残差平方和:SSE(Sum of Squares for Error) = RSS(residual sum of squares)
总离差平方和:SST(Sum of Squares fortotal) = TSS(total sum of squares)