r是相关系数，r=∑(Xi-X)(Yi-Y)/根号[∑(Xi-X)²×∑(Yi-Y)²]，上式中”∑”表示从i=1到i=n求和。
要求这个值大于5%。对大部分的行为研究者来讲，最重要的是回归系数。年龄增加1个单位，文档的质量就下降 -.1020986个单位，表明年长的人对文档质量的评价会更低。这个变量相应的t值是 -2.10，绝对值大于2，p值也<0.05，所以是显著的。
扩展资料：
在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。这些模型被叫做线性模型。最常用的线性回归建模是给定X值的y的条件均值是X的仿射函数。不太一般的情况。
一个中位数或一些其他的给定X的条件下y的条件分布的分位数作为X的线性函数表示。像所有形式的回归分析一样，线性回归也把焦点放在给定X值的y的条件概率分布，而不是X和y的联合概率分布。
参考资料来源：百度百科-线性回归
温馨提示：答案为网友推荐，仅供参考
第1个回答 2020-12-25
r是相关系数
r=∑(Xi-X)(Yi-Y)/根号[∑(Xi-X)²×∑(Yi-Y)²]
上式中”∑”表示从i=1到i=n求和
X、Y分别表示Xi、Yi的平均数
线性回归都可以通过最小二乘法求出其方程，可以计算出对于y=bx+a的直线。一般地，影响y的因素往往不止一个，假设有x1，x2，...，xk，k个因素。
扩展资料：
如果目标是预测或者映射，线性回归可以用来对观测数据集的和X的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值，在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个y值。
给定一个变量y和一些变量X1,...,Xp，这些变量有可能与y相关，线性回归分析可以用来量化y与Xj之间相关性的强度，评估出与y不相关的Xj，并识别出哪些Xj的子集包含了关于y的冗余信息。
本回答被网友采纳第2个回答 推荐于2017-10-04
r是相关系数
r=∑(Xi-X)(Yi-Y)/根号[∑(Xi-X)²×∑(Yi-Y)²]
上式中”∑”表示从i=1到i=n求和；X，Y分别表示Xi，Yi的平均数～本回答被提问者采纳
r=∑(Xi-X)(Yi-Y)/根号[∑(Xi-X)²×∑(Yi-Y)²]
上式中”∑”表示从i=1到i=n求和；X，Y分别表示Xi，Yi的平均数～本回答被提问者采纳
相似回答