回归系数regression coefficient

统计学上表示一个随机变量与另一随机变量间依赖关系程度的一个统计参数。当两个变数x和y的坐标点呈直线型时，可从x的数量变化而预测或估计y的数量变化。表达式：

式中的b即为回归系数。其意义是，x每增加一个单位数时，ŷ平均地将会增加b>0或减少b<0个单位数。

回归系数regression coefficient

是回归直线的斜率，即当自变量x变动一个单位时，其因变量y的估计值变动的单位数。当根据两种事物或现象的变量值变化而拟合的回归方程为线性回归方程＝a+bx时，b为回归系数，a为截距。其回归系数的计算公式为：

在进行回归分析中，只有回归系数b的显著性检验β≠0 (β为总体回归系数)，才能进行拟合线性回归方程。

回归系数Regression Coefficient

在回归方程中表示自变量x对因变量y影响大小的参数。回归系数越大，表示x对y影响越大，正回归系数表示y随x增大而增大，负回归系数表示y随x增大而减小。

回归系数

回归方程式中与自变量相乘的参数。例如在简单直线回归方程式Yo=a+bx中，b就是回归系数，它代表因变量Y对自变量X的平均变动比率，即当X变动一个单位时，Y平均变动b个单位，当回归系数为正值时，表示上升直线，说明两变量之间是同方向的变动； 当回归系数为负值时，表示下降直线，说明两变量之间是反方向的变动。对于未分组资料，回归系
数b的计算公式为：
式中，X代表自变量的各个观测值，Y代表因变量的各个观测值，n为观测值的个数，∑为总和符号。对于已分组资料，b的计算公式为：
b=
式中，f代表各组变量值的个数。在多元回归方程中，y对某一自变量的回归系数表示当其他自变量都固定时，该自变量变化一个单位而使Y平均改变的数值，因此又称偏回归系数

回归系数

回归方程中的待估或已估参数。反映自变量 （解释变量）与因变量 （被解释变量）之间的比例关系。对于简单回归方程而言，它是回归曲线的斜率。对于多元回归方程来说，它同样是由各个解释变量与被解释变量构成的多元平面上的曲线斜率。回归系数表示的是一个平均的边际倾向，即解释变量变动一个单位时被解释变量变动的数量。

回归系数regression coefficient

回归方程中的待估或已估参数。反映自变量（解释变量）与因变量（被解释变量）之间的比例关系。对于简单回归方程而言，它是回归曲线的斜率。对于多元回归方程来说，它同样是由各个解释变量与被解释变量构成的多元平面上的曲线斜率。回归系数表示的是一个平均的边际倾向，即解释变量变动一个单位时被解释变量变动的数量。

回归系数

回归方程式中的一个重要常数。由于每一对相关变量之间都有两个回归方程式，所以在这对相关变量的回归关系中，也存在着两个回归系数。回归系数写作bYX，意指Y在X上的回归系数，或者说是从X估计Y的回归系数。同样，若写成bXY，则是指从Y估计X的回归系数。而决定回归拟合线的过程，就是决定回归斜率b的过程。回归系数（即回归线斜率）的计算公式分别为。

回归系数coefficient of regression

回归方程式中的一个重要常数。因为每一个回归方程式都有各自的回归系数，而每一个相关表内都有两个回归方程式，所以该相关表中，会有两个回归系数。回归系数bxy，意指x在y上的回归系数。同样，回归系数b_yx，是从y估计x的回归系数。决定拟合线的过程，也就是决定斜率b的过程。回归系数（斜率）的计算公式为：

式中r为相关系数，Sx_、Sy分别为x变量和y变量的标准差。

回归系数regression coefficient

回归分析所建立的回归方程中自变量（独立变量）的系数。是度量因变量对自变量相依程度的指标，即反映自变量每变化一个单位时，因变量所期望的变化量。也可表述为，回归方程中表示自变量x对因变量y影响模式的参数。回归系数的数值大小表示x对y影响的大小；回归系数符号的正负表示y随x变化的方向，正号表示y随x增大而增大，负号表示y随x增大而减小。如一元线性回归方程y=bx+a中斜率b，称为回归系数，表示x每变动一单位，平均（期望）而言，y将变动b单位。