决定系数
决定系数反应了y的波动有多少百分比能被x的波动所描述，即表征依变数Y的变异中有多少百分比,可由控制的自变数X来解释.
表达式：R2=SSR/SST=1-SSE/SST
其中：SST=SSR+SSE，SST(total sum of squares)为总平方和，SSR(regression sum of squares)为回归平方和，SSE(error sum of squares) 为残差平方和。
回归平方和：SSR(Sum of Squares forregression) = ESS (explained sum of squares)
残差平方和：SSE（Sum of Squares for Error） = RSS(residual sum of squares)
总离差平方和：SST(Sum of Squares fortotal) = TSS(total sum of squares)
SSE+SSR=SST RSS+ESS=TSS
意义：决定系数越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高。
相关系数
皮尔逊相关系数（Pearson Correlation Coefficient）
1)衡量两个值线性相关强度的量；
2）取值范围:[-1,1]
正向相关：>0，负向相关：<0,无相关性：=0
3）定义
决定系数与相关系数的关系
在一元线性相关情况下，决定系数是相关系数的平方。 相关系数是用来描述两个变量之间的线性关系的，但决定系数的适用范围更广，可以用于描述非线性或者有两个及两个以上自变量的相关关系。
决定系数的意义是变量A可以解释变量B方差的多少。
因此，相关系数的意义(为正的情况）就是变量A可以解释变量B标准差的多少。
更直接的解释是，由于变量A的变动，变量B增加了C，而这C中有r的比例是因为变量A的变动造成的。
举例：
比如模型中责任心对工作绩效一般有10%的预测力，也就是说决定系数是0.1。因此，推论到上述直接的解释上，也就意味着某人工作绩效量增加了C，这C中有大约32%是因为某人责任心的增加而增加的。 | 
转播
