1702635712
还要记住，即使两个变量间有线性相关关系，相关系数也不是对这两个变量数据的完整描述。除了相关系数外，也应该列出x和y的平均数及标准差。因为在计算相关系数的公式当中，有时会用到平均数和标准差，所以把它们和相关系数一起列出很有必要。
1702635713
1702635714
小结
1702635715
1702635716
本章要点
1702635717
1702635718
• 散点图是展示两个数值变量之间相关关系的图形。如果你要有一个解释变量和一个反应变量，应该把解释变量标示在散点图的x轴（横轴上）。
1702635719
1702635720
• 检视散点图的时候，要找出相关关系的方向、形式、强度和可能有的异常值。
1702635721
1702635722
• 如果方向很明确，是正向的（图形从左到右往上斜）还是负向的（图形从左到右往下斜）？
1702635723
1702635724
• 形式是直线还是曲线？有没有观察值聚成一丛一丛的状况？相关性强（点所形成的形态很密集）还是弱（点很分散）？
1702635725
1702635726
• 相关系数r用于度量两个数值变量间直线相关性的方向和强度。
1702635727
1702635728
• 相关系数r是介于–1和1之间的一个数，它的符号代表正相关或负相关。当点的分布越趋近于一条直线的时候，r的值就越接近于–l或+l。只在散点图中的点全都落在同一条直线上时，r的值才会是–l或1。
1702635729
1702635730
第11章到第13章讨论了适用于单一数值变量的图形和数字描述方式。在实践中，大多数统计研究探讨的是两个或更多变量之间的关系。在本章中，我们学习了散点图，这是一种用来显示两个数值变量之间关系的图形，还有相关系数，它是一个度量两个构成线性相关关系的方向和强度的数。
1702635731
1702635732
散点图和相关系数有助于我们看到数据反映的信息，在本章就是有关两个数值变量的可能关系。我们的目标是证明我们从数据中观察得出的结论一般来说是真实的。在下一章，我们将更详细地讨论这个话题。
1702635733
1702635734
案例分析与评估
1702635735
1702635736
图14–9是一个描绘各州学术能力评估测试数学部分的平均分数和参加学术能力评估测试的高中生比例之间关系的散点图。学术能力评估测试分数是反应变量，参加学术能力评估测试的高中生比例是解释变量。
1702635737
1702635738
• 用文字描述散点图的整体形状。是正相关还是负相关？是强相关吗？
1702635739
1702635740
• 散点图表明有两类州，一组是有不超过1/3的高中生参加了学术能力评估测试，另一组是至少有45%的高中生参加了考试而且平均分较低。有两种常见的大学入学考试，分别是学术能力评估测试和美国大学入学考试。在进行美国大学入学考试的州，只有申请选报大学的学生会参加学术能力评估测试。哪一组对应着参加美国大学入学考试学生较多的州？
1702635741
1702635742
• 写一段能让没学过统计学的人看懂的话，解释为何只比较学术能力评估测试平均分会在比较各州教育质量时产生误导。
1702635743
1702635744
1702635745
1702635746
1702635747
图14–9 各州学术能力评估测试数学部分的平均分数与参加考试的高中生比例之间关系的散点图
1702635748
1702635749
练习
1702635750
1702635751
14.1见本书第338页。
1702635752
1702635753
14.2见本书第341页。
1702635754
1702635755
14.3见本书第346页。
1702635756
1702635757
14.4 可能值。
1702635758
1702635759
（a）相关系数r的可能值都有哪些？
1702635760
1702635761
（b）标准差s的可能值都有哪些？