一元线性回归方程的相关系数r是什么，有什么意义？ r=(求和号（Xi-x平均值）（Yi-y平均值）/根号（求和号（Xi-x平均值）^2求和号（Yi-y平均值)^2)（求和都是从1到n)r 一般用来度量线性相关性的程度。
一元线性回归方程斜率的不确定度和相关系数r分别怎么算？ 搜索就知道了
一元线性回归方程的假设检验一般采用什么？ 一元线性回归方程采用线性性的假设检验：假设所建立的模型为：y=b0+b1x建立假设如下：H0：b1=0 H1：b1 不等于 0有下列3种方法可以构造3种不同的统计量：（1）t检验法：(由于输入法的原因，以下用c1表示b1的估计值，e表示残差的估计值)T=c1/sd(c1)=(c1√Sxx)/e~t(n-2)故在a水平下的拒绝域为|T|>；=t(a/2)[n-2](2)F检验法：F=T^2=((c1)^2*Sxx)/(e^2)~F(1，n-2)在a水平下的拒绝域为 F>；=Fa[1，n-2](3)相关系数检验：R=(Sxy)/[(√Sxx)*(√Syy)]为样本相关系数，构造t统计量：T=[R√(n-2)]/√(1-R^2)~t(n-2)在a水平下的拒绝域为|T|>；=t(a/2)[n-2]上述内容中提到的Sxx为样本x的离差平方和，Syy为样本y的离差平方和，Sxy为交叉平方和，e为残差的最小二乘估计，这里就不再给出其计算方法了。
判定一元线性回归方程拟合优度的判定系数R的取值范围 （1）计算残差平方和Q=∑(y-y*)^2和∑y^2，其中，y代表的是实测值，y*代表的是预测值；（2）拟合度指标RNew=1-(Q/∑y^2)^(1/2)对线性方程：R^2=∑(y预测-y)^2/∑(y实际-y)^2，y是平均数。如果R2=0.775，则说明变量y的变异中有77.5％是由变量X引起的。当R2＝1时，表示所有的观测点全部落在回归直线上。当R2=0时，表示自变量与因变量无线性关系。拟合优度是指回归直线对观测值的拟合程度。度量拟合优度的统计量是可决系数7a64e78988e69d8331333431353333（亦称确定系数）R^2。R^2的取值范围是[0，1]。R^2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R^2的值越接近0，说明回归直线对观测值的拟合程度越差。扩展资料方法原理主要是运用判定系数和回归标准差，检验模型对样本观测值的拟合程度。当解释变量为多元时，要使用调整的拟合优度，以解决变量元素增加对拟合优度的影响。假定一个总体可分为r类，现从该总体获得了一个样本—这是一批分类数据，需要我们从这些分类数据中出发，去判断总体各类出现的概率是否与已知的概率相符。R2衡量的是回归方程整体的拟合度，是表达因变量与所有自变量之间的总体关系。R2等于回归平方和在总平方和中所占的比率，。
