相关系数表（eviews如何做相关系数表）

如何计算相关系数

若Y=a+bX，则有：

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

扩展资料：

定义

相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。

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，用来度量两个变量间的线性关系。

定义式

其中，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差

复相关系数：又叫多重相关系数。复相关是指因变量与多个自变量之间的相关关系。例如，某种商品的季节性需求量与其价格水平、职工收入水平等现象之间呈现复相关关系。

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。

怎么看相关系数显著性检验表？

1、找到相关系数显著性检验表；

2、然后确定自由度（n-m-1）,n,m分别代表样本个数和未知量维度；

3、查找a0.01 ，a0.05，a.010对应的值；

4、将相关系数r与a比较，确定显著性水平。

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。于是，著名统计学家 卡尔·皮尔逊设计了 统计指标——相关系数(Correlation coefficient)。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（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。

相关系数矩阵表的结果如何分析呢？？？

EDI与EDI的相关系数为1，制类似的，矩阵对角线位置都是1。其余不相同的两个变量2113相关系数在-1到1之间，如EDI与HP的相关系数为0.261。

矩阵每行5261每列第二小行中4102的数是双边检验的值，由下面的注释知道，分为0.05,和0.01两种显著1653性水平。N是观测次数。

14*4的矩阵Y与一个21134*1的矩阵R相乘

Y=[y1,y2,y3,y4];%Y为14*4矩阵5261

R=[r1,r2,r3,r4]';%此处矩阵要转置成4*1矩阵

P=Y*R;

一般来说权重系数相加之和等于1，但这里可以不用等于1的，因为y1到4102y4都属于不同的类型，要反映到GDP上不必要权1653重之和为1。

扩展资料：

相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。

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，用来度量两个变量间的线性关系。

【例】如果有若干个样品，每个样品有n个特征，则相关系数可以表示两个样品间的相似程度。借此，可以对样品的亲疏远近进行距离聚类。例如9个小麦品种(分别用A1,A2,...,A9表示)的6个性状资料见表2，作相关系数计算并检验。

由相关系数计算公式可计算出6个性状间的相关系数，分析及检验结果见表3。由表3可以看出，冬季分蘖与每穗粒数之间呈现负相关(ρ = − 0.8982)，即麦冬季分蘖越多，那么每穗的小麦粒数越少，其他性状之间的关系不显著。

参考资料来源：百度百科-相关系数

相关系数是什么？

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。

扩展资料 

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（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。

需要指出的是，相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。

因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。

因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。

参考资料来源：百度百科-相关系数