开这篇贴的目的其实是为了让那些并不是主修统计学或计量经济学的筒子们了解一下统计的一些基本原理，能够在大家使用统计软件做模型分析的时候更方便读懂软件的输出结果。那么这次，就从相关系数谈到回归分析（这也是经常用到的一个模型分析方法），让大家对这方面有个了解。
首先让我们来了解一下线性相关系数吧：

线性关系的定义：两个变量之间存在一次函数关系，就称它们之间存在线性关系。 即如果可以用一个二元一次方程来表达两个变量之间关系的话，这两个变量之间的关系称为线性关系，因而，二元一次方程也称为线性方程。 推而广之，含有n个变量的一次方程，也称为n元线性方程，不过这已经与直线没有什么关系了。

扩展定义：首先每一项（常数项除外）的次数必须是一次的（这是最重要的）。如果每项的次数不是一次就不是线性关系：x＝y * z（这里假定y、z是变量而不是常数），那么x与y，或x与z就不是线性关系。
线性关系的显著特征是图像为过原点的直线；而当图像为不过原点的直线时，函数称为直线关系。线性关系与直线关系是两不同的，经常被大家搞混淆。

相关系数是用以反映变量之间相关关系密切程度的统计指标，但无法确切地表明两个变量之间相关的程度。

相关关系是一种非确定性的关系，相关系数是研究变量之间线性相关程度的量。由于研究对象的不同，相关系数有如下几种定义方式。
如将反映两变量间线性相关关系的统计指标称为相关系数；
将反映两变量间曲线相关关系的统计指标称为非线性相关系数、非线性判定系数；
将反映多元线性相关关系的统计指标称为复相关系数、复判定系数等。



附件有一些资料可供参考：
1.线性回归方程中的相关系数r
2.使用eviews做线性回归分析
3.一元线性回归方程中回归系数的几种确定方法