第7章相关分析.ppt

7.3 SPSS在偏相关分析中的应用 Step02：选择检验变量 在【Bivariate Correlations(偏相关)】对话框左侧的候选变量列表框中选择两个或两个以上变量，将其添加至【Variables(变量)】列表框中，表示需要进行偏相关分析的变量。 Step03：选择控制变量 在【Bivariate Correlations(偏相关)】对话框左侧的候选变量列表框中至少选择一个变量，将其添加至【Controlling for(控制)】列表框中，表示在进行偏相关分析时需要控制的变量。注意如果不选入控制变量，则进行的是简单相关分析。 Step04：假设检验类型选择 在【Test of Significance(显著性检验)】选项组中可以选择输出的假设检验类型，对应有以下两个选项。 ● Two tailed：系统默认项。双尾检验，当事先不知道相关方向（正相关还是负相关）时选择此项。 ● One tailed：单尾检验，如果事先知道相关方向可以选择此项。 同时，可以勾选【Flag significant Correlations】复选框。它表示选择此项后，输出结果中对在显著性水平0.05下显著相关的相关系数用一个星号“*”加以标记；对在显著性水平0.01下显著相关的相关系数用两个星号“**”标记。 7.3 SPSS在偏相关分析中的应用 Step05：其他选项选择 单击【Options】按钮，弹出的对话框用于指定输出内容和关于缺失值的处理方法，主要包括以下选项。 ① Statistics：选择输出统计量。 ● Means and standard deviations：将输出选中的各变量的观测值数目、均值和标准差。 ● Zero-order correlation：显示零阶相关矩阵，即Pearson 相关矩阵。 ② MissingValues：用于设置缺失值的处理方式。它有两种处理方式： ● Exclude cases pairwise：系统默认项。剔除当前分析的两个变量值是缺失的个案。 ● Exclude cases listwise：表示剔除所有含缺失值的个案后再进行分析。 7.3 SPSS在偏相关分析中的应用 7.3 SPSS在偏相关分析中的应用 Step06：相关统计量的Bootstrap估计 单击【Bootstrap】按钮，在弹出的对话框中可以进行如下统计量的Bootstrap估计。 ● 描述统计表支持均值和标准差的Bootstrap 估计。 ● 相关性表支持相关性的Bootstrap 估计。 Step07：单击【OK】按钮，结束操作，SPSS软件自动输出结果。 7.3 SPSS在偏相关分析中的应用 7.3.3 实例分析：股票市场和债券市场 1. 实例内容 在我国的金融市场中，股票市场和债券市场都是其中的重要组成部分。研究它们之间的关系有利于我们弄清楚金融市场之间的关联特征。但是我国债券市场主要由银行间债券市场和证券交易所债券市场组成，并且它们处于相对分割状态，在投资主体、交易方式等方面存在显著差异。数据文件7-2.sav列出了近几年我国股票市场、交易所国债市场和银行间国债市场的综合指数，请利用相关分析研究这三个市场的关联特征 7.3 SPSS在偏相关分析中的应用 2 .实例操作 由于这里要研究三个金融市场之间的关系，因此首先可以利用7.2节的简单相关分析来初步探讨它们之间的联系。表7-6计算了这三个市场之间的Pearson相关系数。从表中数据看到，三个市场间的价格相关系数较高，其中交易所和银行间国债市场相关系数高达0.922，而它们和股市的相关系数相对较低，分别是0.411和0.419，从数值大小看到这两个子市场和股市的关联性差异不明显。 但是，就相关系数本身而言，它未必是两事物间线性关系强弱的真实体现，往往有夸大的趋势，因为它在计算时都没有考虑第三方的影响，这就有可能导致对事物的解释出现偏差。这里，股市、银行间国债市场和交易所国债市场之间肯定是相互关联的，两个市场间的关系强弱肯定要受到第三方的影响制约，市场间的关系强弱可能存在传递效应。基于这种考虑，这里要引入偏相关系数测度市场间的关系。 7.3 SPSS在偏相关分析中的应用 3. 实例结果及分析 （1）描述性统计分析表 执行完上述操作后，首先给出的是当前样本进行描述性统计的结果表7-7。可以看到样本容量都等于1321，三个市场综合指数的样本均值和样本方差都有一定的差距。 7.3 SPSS在偏相关分析中的应用 （2）偏相关系数表 表7-8～表7-10列出了三个市场之间的偏相关系数。在控制了股市指数后，银行间和交易所市场间的相关系数没