stata操作介绍之相关性分析(三).pptVIP

* * 三、线性回归分析 相关性分析 回归分析 多重共线性等相关检验和处理 线性回归分析的stata应用实例 本部分用到的实例是Big Andy’s Burger Barn的销售模型。Big Andy的汉堡销售收入取决于单价和广告支出水平 。因此，这个模型包含两个解释变量和一个常数项。 其中，sales为指定城市的月销售额并以千美仄元度量，price是以美元度量的单个汉堡的价格，advert为广告支出，同样以千美元度量。 sales= α1 +α2*price +α3*advert+ ε 相关性分析 相关性分析主要目的是研究变量之间关系的密切程度。相关性分析的方法主要有:Pearson相关系数分析、Kendall T相关系数分析、Spearman秩相关系数分析以及偏相关系数分析。 1. Pearson相关系数分析 Pearson相关性分析是一个描述线性相关强度的量，取值于一1和1 之间。 Pearson相关性分析的命令格式： correlate [varlist] [if] [in] [weight] [ ，correlate_ options ] pwcorr [varlist] [if] [in] [weight] [ ，correlate_ options ] correlate尽可能使用两两变量中所有没有缺失的数据 pwcorr只采用没有任何缺失数据的完整观测值 选项 含义 means 显示变量的均值、标准差、最大最小信 covariance 显示协方差矩阵 选项 含义 obs 显示计算每个相关系数时使用的观测值个数 sig 显示显著性检验的P值 print(#) 在屏幕上仅显示达到相应显著性水平的相关系数 star(#) 在显著的相关系数上打上星号 listwise 使用listwise的方法处理缺失值，这样pwcorr就退化成correlate命令了。所谓listwis。方法是说，如果某一观测值中某个或者多个变量出现缺失，则将整个观测值删掉，这也正是correlate命令使用的方法。对于没有缺失值的数据集，这两种方法没有区别 correlate选项说明 pwcorr选项说明 用pwcorr命令实现所有变量的Pearson相关系数分析，并在显著性水平超过0.05的相关系数上打上星号，其命令为： pwcorr , sig star(0.05) 2. Kendall T相关系数分析 Kendall T相关性分析是一个非参数度量变量间的相关性，其取值在 一1和1之间。 Kendall T相关性分析的命令格式： ktau [varlist] [if] [in] [weight] [ ， ktau _ options ] 选项 含义 print(#) 在屏幕上仅显示达到相应显著性水平的相关系数 star(#) 在显著的相关系数上打上星号 用ktau命令实现所有变量的Kendall T相关系数分析，并在显著性水平超过0.05的相关系数上打上星号，其命令为： ktau , star(0.05) 3. Spearman秩相关系数分析 Spearman秩相关性分析也是一种不依赖于总体分布的非参数检验， 取值也在一1和1之间。 Spearman秩相关性分析的命令格式： spearman [varlist] [if] [in] [weight] [ ， spearman _ options ] 用spearman命令实现所有变量的Spearman秩相关系数分析，并在显著性水平超过0.05的相关系数上打上星号，其命令为： spearman, star(0.05) 4.偏相关系数分析 双变量相关分析是研究两个变量之间的相关关系，有时在分析两个 变量之间相关关系时，往往会有其他变量的影响因素混合在里面， 此时计算出来的相关系数可能并不能真正反映两个变量之间的关系。 偏相关性分析的命令格式： pcorr varnamel varlist [if] [in] [weight] 用pcorr命令实现偏相关分析，其命令为： pcorr, sales price advert 回归分析 回归分析时常用的Stata 命令有：regress , predict, test命令。regress, predict, test 是一组命令，它们完成各种简单和多元的普通最小二 乘法回归。 1.regress实现因变量对自变量的回归 regress命令的格式: regress depvar indepvars[if] [in] [weight] [options] 因变量 自变量 选项 含义 noconstant 不加常数项做线性回归 hascons 由用户指