如题所述
怎么做相关性分析?
相关分析用于研究定量数据之间的关系情况,包括是否有关系,以及关系紧密程度等.此分析方法通常用于回归分析之前;相关分析与回归分析的逻辑关系为:先有相关关系,才有可能有回归关系。
相关分析使用相关系数表示分析项之间的关系;首先判断是否有关系(有*号则表示有关系,否则表示无关系);
接着判断关系为正相关或者负相关(相关系数大于0为正相关,反之为负相关);
最后判断关系紧密程度(通常相关系数大于0.4则表示关系紧密);
相关系数常见有两类,分别是Pearson和Spearman,本系统默认使用Pearson相关系数。
在相关分析之前，SPSSAU建议可使用散点图直观查看数据之间的关系情况。除此之外，SPSSAU还提供Kendall相关系数。三个相关系数的区别如下表格：
SPSSAU操作截图如下：
温馨提示：答案为网友推荐，仅供参考
第1个回答 2022-08-09
打开Eviews软件，点击QUICK，选择GROUP STATISTICS，再选择CORRELATION，把你需要的自变量都输入对话框。
时间序列是市场预测中经常涉及的一类数据形式，本书第七章对它进行了比较详细的介绍。通过第七章的学习，读者了解了什么是时间序列，并接触到有关时间序列分析方法的原理和一些分析实例。本节的主要内容是说明如何使用Eviews软件进行分析。
缺点
需要指出的是，相关系数有一个明显的缺点，即它接近于1的程度与数据组数n相关，这容易给人一种假象。因为，当n较小时，相关系数的波动较大，对有些样本相关系数的绝对值易接近于1；当n较大时，相关系数的绝对值容易偏小。特别是当n=2时，相关系数的绝对值总为1。因此在样本容量n较小时，我们仅凭相关系数较大就判定变量x与y之间有密切的线性关系是不妥当的。
以上内容参考：
