变量间相互关系的密切程度和相关方向的分析称为相关分析；变量间数量上的依存关系的分析称为回归分析（即用回归方程表达变量间的数量关系的分析）。直线相关与回归分别是相关和回归分析中最简单的一种，故也称为简单相关与回归。它是研究两个变量间的相关关系与依存关系的统计方法 第一节直线相关
一、直线相关的概念
直线相关（linear correlation）是分析两个变量间是否存在线性相关关系的方法。适用于X与Y服从双变量正态分布的资料，双变量正态分布是指对每个确定的X，Y服从正态分布，且对每个确定的Y，X服从正态分布。直线相关的性质，可以用散点图说明。
例10.1 10名20岁男青年身高与前臂长测量数据如下： 作散点图观察X 与Y 之间的关系 。
身高（cm ）X 170 173 160 155 173 188 178 183 180 165 前臂长（cm ）Y
45 42 44 41 47 50 47 46 49 43
由图可见，前臂长有随身高的增加而增长的趋势。
图1. 20岁男青年身高与前臂长关系
40424446485052150
160
170180
190
头孢噻吩
身高（cm）
前臂长（c m ）
返回
r < 0
2025
30
30
35
4045
X
Y
根据散点图可以粗略的看出两个变量间相关的密切程度和相关方向。可分为以下几种情形：
正相关关系
r > 0
2025
30
30
35
4045
X
Y
负相关关系
r = -1
2025
30
50
55
60
65
70
SMN75
80
X
Y
根据散点图可以粗略的看出两个变量间相关的密切程度和相关方向。可分为以下几种情形：
完全正相关
完全负相关
r = 1
20
25
30
5060657075X
Y
根据散点图可以粗略的看出两个变量间相关的密切程度和相关方向。可分为以下几种情形：
正相关关系r > 0
202530
3035si69
40
45
X
Y
r < 020253030
3540
45
X
Y
负相关关系完全正相关
完全负相关零相关
r = 1
202530
50
55
6065707580X Y
r = -12025
30
5055
6065707580
X Y r =0
015
25
X
友商网在线会计Y
r =0
050
大连海事大学车祸26
X李振华
Y
r = 0
15
20
25
30
45
X
r = 0
20
40
60
2530354045
X
Y
