向大神们求助！求助！求助！

1299

收藏 2015-10-30

大神，我们在做实证分析时，很多都会先对我们将要用的解释变量，算下皮尔逊相关系数或spearman correlations.如果解释变量之间的相关性在spearman correlations下不显著，他是怎么影响我们后面的实证呢。我们在后面的回归分析中对这两个变量改怎么处理。
谢谢各位大神了！

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

胖胖小龟宝

2015-10-30 09:20:15

这两个相关系数验证的都是线性相关，如果坐下来系数在0.7以上说明有线性相关关系，可以建立线性模型
当然也有可能做出来不高，那说明数据一般不是线性关系但不代表不存在其他的相关关系，这时候就要结合散点图看数据的一个分布情况然后考虑使用非线性模型还是想办法对数据进行加工使之线性化

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

foolboy16

2015-10-30 09:46:57

整个矩阵，多变量的时候怎么看啊

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

crystal8832

2015-10-31 00:12:41

其实如果不存在完全的多重共线问题，初期的相关系数矩阵大可不必做，回归后可以直接做下VIF更容易判断。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

南南数据

2015-10-31 10:37:58

相关系数只是两个变量之间的关系，在回归分析中仅表现为一元线性回归分析。但如果后期的实证模型中还有其他自变量，那么即便某个变量相关系数不显著，它和其他变量一起进入模型作为多个自变量影响时也可能是具有显著预测作用。要注意一元回归和多元回归的区别。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

foolboy16

2015-11-1 21:18:59

谢谢各位大神

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

扫码加我 拉你入群

分享

扫码加好友，拉您进群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群

扫码加我拉你入群