本文目录一览：
如何用stata 做一个相关性分析的矩阵？
findit
spatreg
点击sg162，然后安装所有命令（spatcorr,
spatdiag,
spatgsa,
spatlsa,
spatreg,
spatwmat)
这些命令包含了主要的空间自相关检验，空间回归模型（error/lag).
当然你也需要计算空间权重矩阵，但是你只需要增加两个变量的数据，longitude/latitude.这个由你的gis软件中应该不难得到。这些命令使用起来都比较简单。唯一需要注意的是，你的sample不能过大，ic
版的stata，有矩阵维数的限制（800*800).
如何用stata进行变量间的相关性分析，要把星星和p值都显示出来
1、先定义value lable。方式有很多种，data | data utilities |lable utilities |manage value labels或者用命令 label define完成。
2、接下来需要在弹出的创建lable窗口中，完成变量定义。
3、实现变量标签与变量之间的映射。data | data utilities |lable utilities | assign value label to variables。
4、在打开的窗口中配置变量标签与变量之间的映射关系即可了，如下图所示。
5、最后结果如下图所示。
怎么看stata相关性检验结果
1、使用系统自带的数据做RESET检验，sysuse auto，解释：导入系统中自带数据，autodescirbe解释：看看数据的构成。
2、reg price rep78 headroom trunk weight length，解释：对数据进行回归。
3、使用y的拟合值进行RESET检验，estat ovtest，发现p的拟合值为0.051这个数比较接近拒绝域，我们认为我们可能遗漏了高次项。
4、直接使用解释变量的高次项进行RESET检验，estat ovtest，rhs。解释：添加了选项rhs，发现在5%的水平上拒绝原假设，认为遗漏了高阶非线性项。
5、经过数次尝试之后，发现gen wight2=weight^2，reg price rep78 weight2 headroom trunk weight length，效果显著。
stata相关性分析有哪些？
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了。
SS是平方和，它所在列的三个数值分别为回归误差平方和（SSE）、残差平方和（SSR）及总体平方和（SST），即分别为Model、Residual和Total相对应的数值。
df（degree of freedom）为自由度。
MS为SS与df的比值，与SS对应，SS是平方和，MS是均方，是指单位自由度的平方和。
coeft表明系数的，因为该因素t检验的P值是0.000，所以表明有很强的正效应，认为所检验的变量对模型是有显著影响的。
扩展资料：
Stata的统计功能很强，除了传统的统计分析方法外，还收集了近20年发展起来的新方法，如Cox比例风险回归，指数与Weibull回归，多类结果与有序结果的logistic回归，Poisson回归，负二项回归及广义负二项回归，随机效应模型等。具体说， Stata具有如下统计分析能力：
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。
参考资料来源：百度百科-stata
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至website.service08@gmail.com 举报，一经查实，本站将立刻删除。