Odds ratios 相关性分析 相关性分析命令

1

相关分析简介

相关分析，是研究变量之间相关关系的一种重要方法； 相关分析方法，不仅可以对变量之间的相关性进行研究，正相关负相关进行说明，还可以对变量之间的相关程度进行 说明； 相关分析能 够说明变量之间相互依存关系，若是变量之间相关系数值很大，那就说明变量之间存 在很强的相关性。 相关分析目的在于研究和讨论各个变量之间的密切程度或者关联程度。对于变量之间的相关方向以及相关程度都可以通过相关分析进行统计分析，对于变量之间密切程度可以通过相关系数作为统计指标。 计算相关系数的方法一共有三种，分别为 pearson相关系数、kendall相关系数及spearman相关系数。其中 pearson相关系数是我们常用的方法。 2

高级计量经济学及Eviews应用

本文以Eviews软件为例，对计量经济学服务中心线上课程中回归分析章节我国1990至2014年相关数据进行相关分析，主要研究变量LNY与LNX1之间的相关系数。 操作步骤如下：

总结：Eviews进行相关分析，可以使用cor lny lnx1 lnx2 lnx3进行分析 3

高级计量经济学及Stata应用

以Stata软件为例，操作步骤如下：

# 相关分析 cd C:\Users\admin\Desktop import excel 相关分析.xlsx, firstrow clear corr LNY LNX1 LNX2 LNX3 LNX4 LNX5 estpost summarize LNY LNX1 LNX2 LNX3 LNX4 LNX5, detail esttab using 计量经济学服务中心.rtf, cells("count mean(fmt(3)) p50 sd(fmt(2)) min max") noobs append

结果为：

4

高级计量经济学及Python应用

以Python软件为例，操作步骤如下：

# 导入数据import numpy as np  import pandas as pddf=pd.read_excel(r'C:\Users\admin\Desktop\相关分析.xlsx')df.headdf.describe()# 变量LNY与LNX1-LNX5相关分析结果# 用数据框进行相关分析df.corr()# 多个变量之间相关分析corr=df[['LNY','LNX1','LNX2','LNX3','LNX4','LNX5']].corr()corr# 等价于如下df[['LNY','LNX1','LNX2','LNX3','LNX4','LNX5']].corr()

变量LNY与LNX1-LNX5进行相关分析结果为：

	LNY	LNX1	LNX2	LNX3	LNX4	LNX5
LNY	1.000000	0.998840	0.998392	0.932628	0.992038	0.992266
LNX1	0.998840	1.000000	0.995362	0.926993	0.990163	0.989255
LNX2	0.998392	0.995362	1.000000	0.921052	0.990927	0.991783
LNX3	0.932628	0.926993	0.921052	1.000000	0.925965	0.930723
LNX4	0.992038	0.990163	0.990927	0.925965	1.000000	0.999477
LNX5	0.992266	0.989255	0.991783	0.930723	0.999477	1.000000

5

高级计量经济学及Matlab应用

以Matlab软件为例，操作步骤如下：

6

高级计量经济学及R应用

计算多个变量之间相关系数方法

# 计量经济学服务中心# 导入数据library(readxl)data=read_excel(  'C:/Users/admin/Desktop/data/相关分析.xlsx' )View(data)cor1=cor(data[,c('LNY','LNX1','LNX2','LNX3','LNX4','LNX5')])cor1

结果为：