黄色字体为自己填写部分红色芓体为可缺省部分。 pearson相关系数是最常用的相关分析依据要求变量服从正态分布,代码为:
——————————————模板—————————————— var=value,means covariance ——————————————模板——————————————
此代码用来计算变量1、变量2…之间的相关系数矩阵 If用来筛选满足条件的数据,可缺省 Means要求显示一半描述统计量(均值、标准差、最小最大值)。 Covariance要求显示协方差矩阵而不是相关系數矩阵
只用correlate计算样本的相关系数,会受到抽样波动的影响样本相关不能说明总体相关。Pwcorr不仅可以计算相关系数还可对相关系数显著性进行检验,原假设是总体相关系数为0即不相关。代码为:
————————————模板———————————— var=value,sig star(#) ————————————模板———————————— Sig显示相关系数显著性的p值
偏相关分析的任务就是在研究两变量之间的相关关系时控制可能对其影响的其他变量。
————————————模板—————————————— var=value ————————————模板—————————————— 上面代码是考察其他变量与变量1的偏相关系数
当变量联合正态分布不能满足,或者变量为定序与定类变量时不宜使用pearson,而應使用spearman等级相关或kendal等级相关
————————————模板———————————— var=value,star(#) ————————————模板———————————— 语句开头用spearman或kendal都可以,分别代表两种相关系数的检验
Star(#)是当相关系数显著性检验的p值小于设定的#%,则在相关系数旁标记星号
加载中,请稍候......
}