stata操作介绍之相关性分析(三)要点.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