相关分析主要是用来衡量变量间线性相关的密切程度；回归分析则是定量地给出变量间的变化规律（）

相关系数越接近±1，表明变量之间的线性相关程度（）。 两个变量间的线性相关关系愈不密切，相关系数r值就愈接近（）。 一般来说，如果。0≤IrI＜0.3 ，两变量线性相关关系密切程度为（） 变量间的线性相关系数为0，表明两变量之间（） 相关系数的值越大，说明变量之间的线性相关程度越强（） 不是线性相关的,称为线性相关的 通过建立回归方程可表达两个具有线性相关变量间的定量关系，操作步骤 为了更加准确地描述变量之间的线性相关程度，可以通过计算相关系数来进行相关分析。() 相关关系包括数量型变量的线性相关关系和非线性相关关系，但是不包括属性变量之间的相关关系。( ) 已知两个正相关变量的一元线性回归模型的判定系数为0.64，则解释变量与被解释变量间的线性相关系数为 已知两个正相关变量的一元线性回归模型的判定系数为0.64，则解释变量与被解释变量间的线性相关系数为（） 确定变量间相关关系的密切程度，是相关分析也是回归分析的前提（） 下列反映两个变量的线性相关程度最高的相关系数是 随机变量之间的相关性可以用相关系数进行描述，相关系数既可以描述变量间的线性相关关系，也可以描述非线性相关关系。（ ） 当两变量间是低度线性相关关系时，相关系数r小于（） 当回归模型中两个或多个解释变量高度线性相关时，模型中就存在序列相关（） 当回归模型中两个或多个解释变量高度线性相关时，模型中就存在序列相关（） 两变量间简单线性相关系数r等于0，说明 下列双变量中,适用于进行线性相关分析的是（） 校准曲线的放映两个变两之间线性相关的密切程度（）