如何用stata 做一个相关性分析的矩阵？
ROA 资产 产权比率 持股比例
甲 1 66 1.5 28
乙 3 47 1 23
……
这样一个表格，如何算ROA和资产 产权 持股的相关系数矩阵
不太会用stata TT
在stata里help cor。
stata的命令名是correlate [varlist] [if] [in] [weight] [, correlate_options]
stata 里面分析相关性的命令是
pwcorr a b c d e , sig
结果就有了包括了显著性的判断标准，stata里面没有星星，直接根据sig，也就是p的值来判断是否显著就好。
扩展资料：
作图功能
Stata的作图模块，主要提供如下八种基本图形的制作 : 直方图（histogram），条形图（bar），百分条图 （oneway），百分圆图（pie），散点图（two way），散点图矩阵（matrix），星形图（star），分位数图。
这些图形的巧妙应用，可以满足绝大多数用户的统计作图要求。在有些非绘图命令中，也提供了专门绘制某种图形的功能，如在生存分析中，提供了绘制生存曲线图，回归分析中提供了残差图等。
Stata的矩阵运算功能
矩阵代数是多元统计分析的重要工具， Stata提供了多元统计分析中所需的矩阵基本运算，如矩阵的加、积、逆、 Cholesky分解、 Kronecker内积等；还提供了一些高级运算，如特征根、特征向量、奇异值分解等。
在执行完某些统计分析命令后，还提供了一些系统矩阵，如估计系数向量、估计系数的协方差矩阵等。
参考资料：百度百科-stata
在stata里help cor。
stata的命令名是correlate [varlist] [if] [in] [weight] [, correlate_options]
stata 里面分析相关性的命令是
pwcorr a b c d e , sig
结果就有了包括了显著性的判断标准，stata里面没有星星，直接根据sig，也就是p的值来判断是否显著就好。
扩展资料：
数值变量资料的一般分析：参数估计，t检验，单因素和多因素的方差分析，协方差分析，交互效应模型，平衡和非平衡设计，嵌套设计，随机效应，多个均数的两两比较，缺项数据的处理，方差齐性检验，正态性检验，变量变换等。
分类资料的一般分析：参数估计，列联表分析 ( 列联系数，确切概率 ) ，流行病学表格分析等。
参考资料来源:百度百科-stata
本回答被网友采纳相关性是指两个变量之间的变化趋势的一致性,如果两个变量变化趋势一致,那么就可以认为这两个变量之间存在着一定的关系(但必须是有实际经济意义的两个变量才能说有一定的关系)。相关性分析也是常用的统计方法,用SPSS统计软件操作起来也很简单,具体方法步骤如下。
选取在理论上有一定关系的两个变量,如用X,Y表示,数据输入到SPSS中。
从总体上来看,X和Y的趋势有一定的一致性。
为了解决相似性强弱用SPSS进行分析,从分析-相关-双变量。
打开双变量相关对话框,将X和Y选中导入到变量窗口。
然后相关系数选择Pearson相关系数,也可以选择其他两个,这个只是统计方法稍有差异,一般不影响结论。
点击确定在结果输出窗口显示相关性分析结果,可以看到X和Y的相关性系数为0.766,对应的显著性为0.076,如果设置的显著性水平位0.05,则未通过显著性检验,即认为虽然两个变量总体趋势有一致性,但并不显著。
相关分析研究的是两个变量的相关性,但你研究的两个变量必须是有关联的,如果你把历年人口总量和你历年的身高做相关性分析,分析结果会呈现显著地相关,但它没有实际的意义,因为人口总量和你的身高都是逐步增加的,从数据上来说是有一致性,但他们没有现实意义。
pwcorr命令，help一下这个命令即可。
相关性是指两个变量之间的变化趋势的一致性,如果两个变量变化趋势一致,那么就可以认为这两个变量之间存在着一定的关系(但必须是有实际经济意义的两个变量才能说有一定的关系)。相关性分析也是常用的统计方法,用SPSS统计软件操作起来也很简单,具体方法步骤如下。
选取在理论上有一定关系的两个变量,如用X,Y表示,数据输入到SPSS中。
从总体上来看,X和Y的趋势有一定的一致性。
为了解决相似性强弱用SPSS进行分析,从分析-相关-双变量。
打开双变量相关对话框,将X和Y选中导入到变量窗口。
然后相关系数选择Pearson相关系数,也可以选择其他两个,这个只是统计方法稍有差异,一般不影响结论。
点击确定在结果输出窗口显示相关性分析结果,可以看到X和Y的相关性系数为0.766,对应的显著性为0.076,如果设置的显著性水平位0.05,则未通过显著性检验,即认为虽然两个变量总体趋势有一致性,但并不显著。
相关分析研究的是两个变量的相关性,但你研究的两个变量必须是有关联的,如果你把历年人口总量和你历年的身高做相关性分析,分析结果会呈现显著地相关,但它没有实际的意义,因为人口总量和你的身高都是逐步增加的,从数据上来说是有一致性,但他们没有现实意义。