相关系数r和回归系数b的区别是什么？
直线回归系数与相关系数的区别：1.资料要求上
回归只要求Y服从正态分布，对X可以不要求；相关要求两变量均服从正态分布。
2.应用上
说明两变量间依存变化的数量关系用回归；说明两变量间的相关关系用相关。
3.意义上
回归系数b表示X每增（减）一个单位，Y平均改变b个单位；相关系数r说明具有直线关系的两个变量间相关关系的密切程度与相关方向。
4.计算公式不一样
5.取值范围不一样：-∞＜b＜+∞，-1≤r≤1。
6.单位不同：b有单位，r没有单位。
回归系数b乘以X和Y变量的标准差之比结果为相关系数r。即b*σx/σy=r
回归系数与相关系数的联系：
1.对一组数据若能同时计算b和r，它们的符号一致。
2.b和r的假设检验是等价的，即对同一样本tb＝tr。
3.用回归可以解释相关
回归分析中有一个叫决定系数的指标，它的取值是在0～1之间的，决定系数值越接近1表明回归的效果越好。可以证明，相关系数r平方等于决定系数的值，用公式记为：
1、相关系数与回归系数：
A 回归系数大于零则相关系数大于零
B 回归系数小于零则相关系数小于零 （仅取值符号相同）
2、回归系数：由回归方程求导数得到，所以，
回归系数>0，回归方程曲线单调递增；
回归系数<0，回归方程曲线单调递j减；
回归系数=0，回归方程求最值（最大值、最小值）
你的数据可能恰好体现出了你说的那种趋势，但是实际上相关系数和回归系数之间没有明确的大小变化关系，不能单独考虑某一个变量的回归系数的大小，要结合整个回归方程及拟合优度来分析模型。
在一组具有相关关系的变量的数据（x与Y）间，通过散点图可观察出所有数据点都分布在一条直线附近，这样的直线可以画出许多条，相关系数只能反映线性相关程度，不能确定因果关系，不能说明相关关系具体接近哪条直线，而我们希望其中的一条最好地反映x与Y之间的关系，即我们要找出一条直线，使这条直线“最贴近”已知的数据点，此时根据样本数据利用相应的估计方法估计出我们认为的最接近总体的回归方程的系数
或者(个人理解)相关系数是说明，变量Y的增长是否随X的增长而体现出越加趋近于直线(这些直线可能是许多平行或相交但夹角很小的直线)的趋势，相关系数越大，说明越多的样本点(Xi，Yi)分布在同一条直线上，但是这种直线趋势不一定是完全由于变量X的变化引起的，也可能是由于存在某些没有考虑到的随机因素导致，仅次并不能完全的确定直线的位置，而回归系数是在假定了随机扰动的分布后，变量X的变化对Y的影响，所以说相关系数只是片面的说明两个变量之间相关关系密切程度的统计分析指标，而回归系数才是全面的反映变量之间的依存关系。
绛旓細鍥炲綊绯绘暟b琛ㄧずX姣忓锛堝噺锛変竴涓崟浣嶏紝Y骞冲潎鏀瑰彉b涓崟浣嶏紱鐩稿叧绯绘暟r璇存槑鍏锋湁鐩寸嚎鍏崇郴鐨勪袱涓彉閲忛棿鐩稿叧鍏崇郴鐨勫瘑鍒囩▼搴︿笌鐩稿叧鏂瑰悜銆4.璁＄畻鍏紡涓嶄竴鏍 5.鍙栧艰寖鍥翠笉涓鏍凤細-鈭烇紲b锛+鈭烇紝-1鈮鈮1銆6.鍗曚綅涓嶅悓锛歜鏈夊崟浣嶏紝r娌℃湁鍗曚綅銆傚洖褰掔郴鏁癰涔樹互X鍜孻鍙橀噺鐨勬爣鍑嗗樊涔嬫瘮缁撴灉涓虹浉鍏崇郴鏁皉銆傚嵆b*蟽x/...
绛旓細(3)r鍜宐鐨勬剰涔:鐩稿叧绯绘暟r璇存槑鍏锋湁鐩寸嚎鍏崇郴鐨勪袱鍙橀噺闂寸嚎鎬у叧绯荤殑鏂瑰悜鍜屽瘑鍒囩▼搴︼紱鍥炲綊绯绘暟b琛ㄧずx姣忔敼鍙樹竴涓崟浣嶆椂y鐨勫钩鍧囨敼鍙橀噺銆(4) r鍜宐鐨勫崟浣嶅強鍙栧艰寖鍥:r娌℃湁鍗曚綅,b鏈夊崟浣;鍙栧艰寖鍥-1鈮鈮1,-鈭<b<鈭炪傝仈绯伙細(1) r鍜宐绗﹀彿鐩稿悓:瀵逛簬鏃㈠彲浣滅浉鍏冲張鍙綔鍥炲綊鐨勫悓涓缁勮祫鏂欏悓鏃惰绠梤鍜宐,浠栦滑...
绛旓細鐩稿叧绯绘暟涓庡洖褰掔郴鏁帮細鍥炲綊绯绘暟澶т簬闆跺垯鐩稿叧绯绘暟澶т簬闆讹紱鍥炲綊绯绘暟灏忎簬闆跺垯鐩稿叧绯绘暟灏忎簬闆銆傦紙瀹冧滑鐨勫彇鍊肩鍙风浉鍚岋級鍥炲綊绯绘暟锛氱敱鍥炲綊鏂圭▼姹傚鏁板緱鍒帮紝鎵浠ワ紝鍥炲綊绯绘暟>0锛屽洖褰掓柟绋嬫洸绾垮崟璋冮掑锛涘洖褰掔郴鏁<0锛屽洖褰掓柟绋嬫洸绾垮崟璋冮掑噺锛涘洖褰掔郴鏁=0锛屽洖褰掓柟绋嬫眰鏈鍊硷紙鏈澶у笺佹渶灏忓硷級銆傚洖褰掔郴鏁帮紙regression coefficie...
绛旓細鐩稿叧绯绘暟鍜屽洖褰掔郴鏁扮殑鑱旂郴鍜屽尯鍒涓嬶細棣栧厛锛鐩稿叧绯绘暟涓庡洖褰掔郴鏁扮殑鏂瑰悜锛屽嵆绗﹀彿鐩稿悓銆傚洖褰掔郴鏁颁笌鐩稿叧绯绘暟鐨勬璐熷彿閮芥湁涓ゅ彉閲忕鍧囧樊绉箣鍜岀殑绗﹀彿涓氬喅瀹锛屾墍浠ュ悓涓璧勬枡鐨刡涓庡叾r鐨勭鍙风浉鍚屻傚洖褰掔郴鏁版湁鍗曚綅锛屽舰寮忎负锛堝簲鍙橀噺鍗曚綅/鑷彉閲忓崟浣嶏級鐩稿叧绯绘暟娌℃湁鍗曚綅銆傜浉鍏崇郴鏁扮殑鑼冨洿鍦-1锝+1涔嬮棿锛岃屽洖褰掔郴鏁版病鏈夎繖...
绛旓細涓銆佽仈绯 鍥炲綊绯绘暟澶т簬闆讹紝鍒欑浉鍏崇郴鏁板ぇ浜庨浂锛涘洖褰掔郴鏁板皬浜庨浂锛屽垯鐩稿叧绯绘暟灏忎簬闆銆備簩銆佸尯鍒 1銆鎰忎箟涓 鍥炲綊绯绘暟鏄弿杩拌嚜鍙橀噺濡備綍鍦ㄦ暟鍊间笂涓庡洜鍙橀噺鐨勭浉鍏虫э紱鑰岀浉鍏崇郴鏁版槸涓绉嶇粺璁″害閲忔柟娉曪紝鐢ㄤ簬搴﹂噺鍙橀噺涔嬮棿鐨勭浉鍏冲叧绯荤殑瀵嗗垏绋嬪害銆2銆佺敤閫斾笂 鍥炲綊绯绘暟鏄负浜嗘嫙鍚堟渶浣虫ā鍨嬶紝鍦ㄥ凡鐭ュ彟涓涓嚜鍙橀噺鐨勫熀纭涓婇娴...
绛旓細涓嶆槸銆傚彲浠b寰堝ぇ鑰r寰堝皬锛屼篃鍙兘b寰堝皬鑰宺寰堝ぇ銆傚畠浠箣闂村苟鏃犲繀鐒惰仈绯伙紝瀹冧滑鐨勫ぇ灏忛兘鐢卞師濮嬫暟鎹喅瀹氥俽鐨勫煎彧涓庢瘡涓缁勬暟鎹殑鈥滅浉浼尖濈▼搴︼紙涓庢渶鍚庣殑鍥炲綊鏂圭▼婊¤冻绋嬪害锛夋湁鍏筹紝r鍊艰秺澶э紝鍥炲綊鏂圭▼瓒娾滃煎緱淇″鈥濓紝褰搑=1 鏃讹紝鐢ㄤ簬璁＄畻鐨勬瘡涓涓疄楠屽硷紙鍗 xi锛寉i锛夐兘鏄畬鍏ㄨ兘澶熺敤鍥炲綊鏂圭▼璁＄畻鐨勩俽...
绛旓細鐩稿叧绯绘暟锛氭槸鐮旂┒鍙橀噺涔嬮棿绾挎х浉鍏崇▼搴︾殑閲忋傚洖褰掔郴鏁帮細鍦ㄥ洖褰掓柟绋嬩腑琛ㄧず鑷彉閲弜 瀵瑰洜鍙橀噺y 褰卞搷澶у皬鐨勫弬鏁般2銆佸簲鐢ㄤ笉鍚 鐩稿叧绯绘暟锛氳鏄庝袱鍙橀噺闂寸殑鐩稿叧鍏崇郴銆傚洖褰掔郴鏁帮細璇存槑涓ゅ彉閲忛棿渚濆瓨鍙樺寲鐨勬暟閲忓叧绯汇3銆佸崟浣嶄笉鍚 鐩稿叧绯绘暟锛氫竴鑸敤瀛楁瘝r琛ㄧず 锛宺娌℃湁鍗曚綅銆傚洖褰掔郴鏁帮細涓鑸敤鏂滅巼b琛ㄧず锛宐鏈夊崟浣嶃
绛旓細鍖哄埆锛1. 鐩殑涓嶅悓锛氱浉鍏崇郴鏁版棬鍦ㄨ 閲忎袱涓彉閲忎箣闂寸殑鍏宠仈绋嬪害锛岃屽洖褰掔郴鏁版棬鍦ㄥ垎鏋愯嚜鍙橀噺瀵瑰洜鍙橀噺鐨勫奖鍝嶇▼搴︺2. 璁＄畻鏂规硶涓嶅悓锛鐩稿叧绯绘暟鐨璁＄畻鏂规硶澶氱澶氭牱锛屽鐨皵閫婄浉鍏崇郴鏁般佹柉鐨皵鏇肩浉鍏崇郴鏁扮瓑锛涜鍥炲綊绯绘暟鐨璁＄畻鍒欎緷璧栦簬鍥炲綊鍒嗘瀽鏂规硶锛屽鏈灏忎簩涔樻硶绛夈3. 瑙ｉ噴鏂瑰紡涓嶅悓锛氱浉鍏崇郴鏁扮殑鍙栧艰寖鍥村湪-1...
绛旓細鏈灏忓硷級銆傚洖褰掔郴鏁帮紙regression coefficient锛夊湪鍥炲綊鏂圭▼涓〃绀鸿嚜鍙橀噺x 瀵瑰洜鍙橀噺y 褰卞搷澶у皬鐨勫弬鏁般傚洖褰掔郴鏁拌秺澶ц〃绀簒 瀵箉 褰卞搷瓒婂ぇ锛屾鍥炲綊绯绘暟琛ㄧずy 闅弜 澧炲ぇ鑰屽澶с傝礋鍥炲綊绯绘暟琛ㄧずy 闅弜澧炲ぇ鑰屽噺灏忋備緥濡傚洖褰掓柟绋嬪紡Y=bX+a涓紝鏂滅巼b绉涓哄洖褰掔郴鏁锛岃〃绀篨姣忓彉鍔ㄤ竴鍗曚綅锛屽钩鍧囪岃█锛孻灏嗗彉鍔╞鍗曚綅銆
绛旓細涓鏍风殑銆鐩稿叧绯绘暟r涓b鍏紡锛岃嫢鍥炲綊鐩寸嚎鏂圭▼涓殑鍥炲綊绯绘暟b=0鏃讹紝鍒欑浉鍏崇郴鏁皉=0銆傝В鏋愶細鐢变簬鍦鍥炲綊绯绘暟b鐨璁＄畻鍏紡涓紝涓庣浉鍏虫寚鏁扮殑璁＄畻鍏紡涓紝瀹冧滑鐨勫垎瀛愮浉鍚岋紝鏁呯瓟妗堜负锛0锛屾墍浠ュ叕寮忔槸涓鏍风殑锛岄兘绛変簬闆躲
