stata操作介绍之相关性分析(三)[宣讲].pptVIP

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 由用户指定常数项的值 level(#) 设定置信水平(默认值为95% ) beta 报告标准化的beta系数 noheader 不报告输出表名 实现因变量为销售收入，自变量为单价和广告支出的线性回归，其命令为： regress sales price advert 表下方区域为基本的回归结果。第1列依次为被解释变量sales，解释变量price、advert，截距项constant；第2列回归系数；第3列回归系数的标准误；第4列回归系数的 t 统计量值;第5列p值； 第6列95%的置信区间 表左上方区域为方差分析表。第2列从上到下依次为回归平方和(SSE)、残差平方和(SSR)和总离差平方和(SST)；第3列为自由度，分别为k=2，n-k-1=75-2-1=72，n-1=75-1=74；第4列为均方和(MSS)，由各项平方和除以相应的自由度得到。 表右上方区域给出了样本数(Number of obs)、判定系数(R-squared)、调整的判定系数(Adj R-squared)、F统计量的值、回归方程标准误 (Root MSE) 以及其他一些统计量的信息。 2.predict计算拟合值和残差 predict命令的格式: predict [type] newvar [if] [in][，single_ options] 指定存储类型的格式 变量名 指定需要拟合值还是残差值，若为resid，则是残差 计算前面所求回归方程的拟合值和残差。其命令分别为： predict y1 predict e, resid 3.test进行指定的检验 test命令主要用来检验系数是否符合一定的关系.test命令的格式如下: test varl var2…var3k test var=C test varl=var2 test varl=(var2+var3)/C 检验多个变量的系数是否同时为零 检验变量的系数是否为C 检验两个变量的系数是否相等 检验多个变量之间存在的一些关系 用test命令检验价格和广告支出的系数是否同时为0，其命令为: test price advert P值0.05，拒绝原假设 ，即价格和广告支出的 系数不同时为0 * * 精品PPT | 借鉴参考 精品PPT | 借鉴参考 精品PPT | 借鉴参考 精品PPT | 借鉴参考 精品PPT | 借鉴参考