会计学关系的形式：线性相关、非线性相关；关系的程度：相关程度的强弱；采用相关的情况及原因①预测②效度③信度④理论(lǐlùn)验证§16.2皮尔逊相关(xiāngguān)皮尔逊相关(xiāngguān)的计算离差积(SP)，用来测量共变性皮尔逊相关(xiāngguān)公式皮尔逊相关(xiāngguān)与z分数r测量了X与Y的相互关系，也可以用z分数表示§16.3皮尔逊相关的含义相关和因果。相关不意味着两个变量间一定存在(cúnzài)因果关系；相关与限定相关域。当计算出的相关无法代表整个可能的全距值时，应该谨慎解释相关；奇异值。奇异值是指一个个体的X和Y值与数据中其他个体的值明显不同。奇异值对相关有可能产生巨大影响；相关(xiāngguān)及关系的强度。的值被称为决定系数，它测量了一个变量的变异中由另一个变量的变异而决定的比率。若一个相关(xiāngguān)r=0.8意味着变量Y中=64%的变化是由其和X的关系决定的<0.01，相关(xiāngguān)低；<0.09，中等相关(xiāngguān)；>0.25高相关(xiāngguān)§16.4皮尔逊相关(xiāngguān)的假设检验§16.5斯皮尔曼相关(xiāngguān)计算斯皮尔曼相关(1)确定X和Y的数据为顺序量表，给X和Y排序(páixù)；(2)用皮尔逊相关公式计算X和Y的排序(páixù)。/相同数据(shùjù)的排序斯皮尔曼的特殊(tèshū)公式斯皮尔曼相关的显著性检验(jiǎnyàn)假设临界值按照n及设定的显著性水平，查表，并与rs比较（超过临界值，处理显著）第十七章回归(huíguī)用于找出一组数据的最佳拟合直线的统计技术被称为回归。作为结果的直线称为回归线。最小二乘法与回归方程预测值与数据的实际Y值之间的距离：定义误差平方最小的那条线为最佳拟合直线。相应(xiāngyīng)的方法称为最小二乘法Y的线性回归方程：其中(qízhōng)，回归方程：解释预测需注意①预测值不是绝对(juéduì)准确；②回归方程不应该被用于X值超出原始数据范围以外时的预测。标准化回归方程先将X和Y标准化为z分数，再回归得到的公式(gōngshì)称为标准化回归方程估计的标准(biāozhǔn)误用估计的标准(biāozhǔn)误来衡量回归的精确性估计的标准(biāozhǔn)误衡量了回归线与实际的数据点之间的标准(biāozhǔn)距离；标准(biāozhǔn)误与相关的关系决定系数，表示了Y的变异性中能被X与Y之间关系解释的那部分比例X§17.2回归(huíguī)分析§17.3有两个(liǎnꞬꞬè)预测变量的多元回归Y/回归方差所占的百分比与残差的值描述了Y分数的总体变异(biànyì)中能被回归方程说明的那部分所占的百分比；根据残差计算(jìsuàn)估计的标准误回归分析，多元回归方程的显著性检验当有两个预测(yùcè)变量时，的df=2，df=n-3§17.4评估(pínɡɡū)每个预测变量的贡献与使用X1的一元(yīyuán)回归方程相比，将X2加入回归方程上不能显著改变预测结果第十八章拟合(nǐhé)度与独立性检验§18.2拟合(nǐhé)度的卡方检验拟合度检验的假设(jiǎshè)虚无假设(jiǎshè)①没有优先选择②与已知总体之间没有差异备择假设(jiǎshè)期望频数观察频数是样本中被归入特定类别的个体个数。每个个体都被归入一个类别，且只被归入一个类别虚无假设(jiǎshè)预测的频数值被称为期望频数。期望频数=fe=pn卡方，测量了观察频数（f0）与假设(jiǎshè)（fe）的拟合度典型的卡方分布是正偏态的df=C-1，C是类别的个数例：用方向(fāngxiàng)不明确的画测验人们在四种可能的方向(fāngxiàng)之间是否存在优先选择。n=50个被试，步骤一陈述假设，并选择水平步骤二找出临界区域步骤三计算卡方步骤四做出判定与结论。拒绝虚无假设。在四个方向上的选择存在(cúnzài)着显著的差异§18.3独立性的卡方检验卡方也可被用于检验两个变量间是否存在(cúnzài)关系独立性检验的虚无假设观察频数(pínshù)与期望频数(pínshù)通过计算卡方来确定数据（观察频数(pínshù)）与虚无假设（期望频数(pínshù)）之间的拟合程度列描述了颜色喜好分布，50%的人喜欢红色，10%的人喜欢黄色，20%的人喜欢绿色，20%的人喜欢蓝色决定(juédìng)期望频数的简单公式卡方与自由度§18.4独立性卡方检验的效