变量间的相关关系与回归

这一节包含的知识点

比「节」更细的一层：具体到能对上一道题的步骤。

• 散点图与相关关系的判断把成对数据画成散点图，看点是否大致沿一条直线分布，从而判断相关性的方向与强弱。
• 相关系数与线性相关的强弱相关系数 r 的绝对值越接近 1 线性相关越强，r > 0 为正相关，r < 0 为负相关。
• 一元线性回归方程的最小二乘估计求一条直线使各数据点到它的竖直距离的平方和最小，由此得到的斜率与截距就是最小二乘估计。
• 回归方程的预测与残差分析把自变量的值代入回归方程得到预测值，再通过残差是否随机分布判断模型是否合适。
• 非线性回归的转化对指数型、对数型等非线性关系先作变量变换化为线性关系，求出线性回归方程后再化回原形式。

先修：学它之前要先会

• 统计与成对数据

完整前置链：一路要先会

不只是直接先修 —— 把先修的先修也追到底，顺序就是该学的顺序（含跨学科）。

1. 1统计与成对数据

后继：学会它之后可以往哪走

• 独立性检验

学习「变量间的相关关系与回归」

这个知识点还没有内容（还没有教材或出版物接进来）。现在能做的：看清它在坐标系里的位置 —— 先修是什么、学完之后通向哪里，然后把「我了解了」记下来。

自述不等于掌握：它只是「我知道这一条讲什么」，不会计入学习单元完成数。学习记录存在这台设备上。

还没有任何内容覆盖这条概念。要让它长出来，需要导入并发布一份讲到它的材料 —— Publishing 会在正文里找候选（带原句作证据），由人确认后挂到这条上。

还没有任何学习目标、测评或任务标注到这条知识点上。学习链只列**真的标注过**的条目 —— 没有就是没有，不按模板补一个出来。