相關系数r的建立.docVIP

相关系数r的建立 先求使Q(?，?) ? (yi ? ?xi ? ?)2取最小值时的?，?的值． Q(?，?) ? (yi ? ?xi ? ?)2 ? {(yi ? ) ? [ ? (? ? ?)] ? ?(xi ? )}2 ? (yi ? )2 ? n[ ? (? ? ?)]2 ? ?2(xi ? )2 ? 2[ ? (? ? ?)](yi ? )? 2?[ ? (? ? ?)](xi ? ) ? 2?(xi ? )(yi ? ) ? (yi ? )2 ? n[ ? (? ? ?)]2 ? ?2(xi ? )2 ? 2?(xi ? )(yi ? ) ?(yi ? )2 ? n[ ? (? ? ?)]2?(xi ? )2[? 2 ? 2? ] ?(yi ? )2 ? n[ ? (? ? ?)]2 ?(xi ? )2[? ? ] ? ? n[ ? (? ? ?)]2 ? (xi ? )2[? ? ] ? (yi ? )2 ? ． 上式中后两项与?，?无关，前两项为非负数． 所以当且仅当前两项的值都为0时，Q(?，?)取最小值，即有 此时 Q(?，?) ? (yi ? )2 ? ． 直观上看，Q(?，?)的最小值越接近于0，线性回归模型就越合理，即(yi ? )2 ? 越接近于0越好，也即 越接近于?1越好． 这说明，可以表示x与y的线性相关和程度．我们将其称为这n对数据的样本相关系数，简称相关系数（correlation coefficient），记为r，即 r = = ． | r | 越接近于1，x与y的线性相关性越强； | r | 越接近于0，x与y的线性相关性越弱． 那么，相关系数r的绝对值与1接近到什么程度才表明利用线性回归模型比较合理呢？这需要对相关系数r进行显著性检验．步骤如下： （1）提出统计假设 H0：变量x，y不具有线性相关关系； （2）以0.05作为小概率的标准，根据小概率0.05与n ? 2在相关系数检验表中查出r的临界值r0.05； （3）计算样本相关系数r； （4）作出统计推断：如果| r | ? r0.05，则否定H0，表明有95%的把握认为x与y之间具有线性相关关系；如果≤r0.05，则没有理由拒绝原来的假设H0，即就目前数据而言，没有充分理由认为y与x之间有线性相关关系． 此和为0