STATAU 文档站

外观

相关性分析教程 ​

基础统计

用相关系数矩阵快速查看变量之间的线性相关方向、大小和显著性。

常用 Stata 命令pwcorr x1 x2 x3, sig
在 STATAU 中打开此功能
相关性分析pwcorr sig

这个页面解决什么问题 ​

相关性分析适合在建模前快速判断变量之间是否存在明显同向、反向或高度相关关系。它不能代替回归，也不能证明因果，但能帮助你提前发现共线性风险和变量选择问题。

适用数据与前提 ​

至少需要两个连续型变量。若变量包含大量异常值，建议先清洗后再看相关矩阵。

STATAU 页面中每个位置应该放什么变量 ​

网站位置应放入的变量说明
分析变量至少两个连续型变量系统会输出完整的 Pearson 相关系数矩阵。
表格标题 / 小数位输出格式设置用于论文或项目报告整理。

Stata 等效代码 ​

pwcorr [变量列表], sig
Stata 代码位置STATAU 网站对应位置应放入什么
[变量列表]分析变量要进入相关系数矩阵的全部变量。
sig结果表显著性标记STATAU 会直接在矩阵中标注显著性水平。

在 STATAU 中操作步骤 ​

  1. 勾选至少两个变量进入相关性矩阵。
  2. 生成表格后，优先看核心变量与其他变量的相关方向和绝对值。
  3. 如果发现两个解释变量高度相关，再决定是否进一步做 VIF 检验。

结果怎么看 ​

  • 相关系数绝对值越接近 1，线性相关越强；越接近 0，线性相关越弱。
  • 显著的相关关系不等于因果关系，只能说明样本中的线性同动特征。
  • 若多个解释变量彼此高度相关，建议进一步做 VIF 或重新筛选变量。

常见使用误区 ​

  • 把哑变量和大量类别变量一起放进相关矩阵，往往会削弱可读性。
  • 只看显著性不看相关系数大小，容易把统计显著误当成经济显著。

相关页面 ​