花腔女高音【篇一：决定系数】
判定系数与相关系数的深入研究
什么叫相关性？比方某个地区人的身高与体重的关系，某个学校学生学习时间与学习成绩的关系，我们的收入与教育水平的关系等等，除此之外，在我们工作中也有大量相关性的应用实例，例如我们在定位质差原因中运用常规mrr与质差mrr的电平分布间的相关性，在定位互调干扰小区时运用干扰系数与话务量的相关性，在分析质差成因时运用全网质差话务比例与弱信号的相关性等等，既然我们的工作离不开相关性的运用，那我们有必要深入的去了解相关性的计算及其原理。 一、概念介绍 说到相关性分析会使我们联想到线性回归和散点图的概念，它们同属于回归分析中的概线性回归：线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互念，都是被广泛应用的相关性分析方法： 依赖的定量关系的一种统计分析方法之一，通俗点来说回归分析是寻相关关系中非确定性关系的某种确定性，相关性可以从涉及到的变量数量、表现形式及变化方向进行分类，如下列图所示：
散点图：散点图是用于表示因变量随自变量而变化的大致趋势，是将变量相关性图形化的工具，用于判断的分析两组变量之间是否存在某种关联或总结坐标点的分布模式，散点图主要表达变量间的关系主要有：正线性相关、负线性相关、非线性〔曲线〕相关和不相关四种相关关系，其中线性相关又分强线性相关和一般线性相关，具体形态如以下列图例所示： 1) 强正〔负〕线性相关
2) 正〔负〕线性相关
3) 非线性〔曲线〕相关不相关
二、线性回归主要参数解释：
通过excel的“数据分析”功能可以计算出线性回归分析数据，如下列图所示：
我们主要关注【回归统计】中可以反映变量间相关性的“相关系数multiple r” 和“判定系数r square”两个指标：
1. multiple r〔相关系数r〕：相关系数是建立在相关分析基础上，用来分析衡量变量
x和变量y之间相关程度的大小。通常用r表示，该值的范围为：-1≤r≤1，与值
对应的相关性的强弱关系如下列图所示：
相关系数计算公式及案例：
r?
n?xy?
n?x?(?x)
2
2?x?y
n?y?(?
2
y)
2
现假设在判断10bszcw小区是否存互调干扰嫌疑时，通过话务量与干扰系
数的相关性进行定位，该小区24小时的综合话务量及干扰系数如下表所示〔灰
表中的时间段数量〔24个〕则为公式中的n，综合话务量为x、干扰系数为y，
根据公式要求，先对数据进行求和与汇总，汇总后的数据如下表所示：
套入公式后计算结果如下：
??==98.30%
2
2. r square〔判定系数r〕：判定系数〔又称拟合优度或决定系数〕是建立在回归分
析基础之上的，用于研究一个随机变量对别一个随机变量的解释程度，该值的取值范围为0≤r≤1，值越接近1，说明自变量对因变量的解释程度越高，自变量引起的因变量变动占总变动的百分比越高。
2
判定系数算法及案例：
2
滑差离合器 r?
n?x
液压元件
(n?xy?
2
?舆情控制
(?x)
2老年人同居有啥好处
n?y
?x?y)
2
2
2
?(?y)
以相关系数中案例的数据为基础计算10bszcw的判定系数，如下：
2
〔〕??
??==96.64%
???案例说明：
10bszcw小区的相关性系数为：98.30%，可以判断该小区的话务量与干扰系数为正相关关系且接近绝对相关值1，说明小区话务量与干扰系数之间的关系密切；小区的判定系数为：96.64%，非常接近1，说明该小区的话务量变化导致干扰变化占总变化的96.64%，由此可以判断出该小区存在互调干扰的机率非常大；
如下列图10bszcw小区话务量与干扰系数趋势图及散点图所示，小区话务量的曲线与干扰系数的典型形态几乎是一模一样的，从散点图的分布来看，两组变量形成的点在同一直线上，说明两组变量是存在较强的线性相关；civ
三、相关系数与判定系数函数的运用方法：
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议