spss分类变量与连续变量的相关分析
最近，受一位韩国留学生的委托在指导她做论文的数据分析过程中，遇到这样一个问题，也是她的韩国导师要求的，做“连续变量和分类变量的相关分析”。我实在纳闷了很久，通常在做这种分析时，如果自变量属于分类变量，因变量属于连续性的变量时，做t检验或者方差分析的，以此检验出分类变量不同类别在该连续变量上是否有差异；可是这位导师偏偏要求做相关分析，研究了半天，又查了很多资料，发现结论不一致。也不清楚到底谁的正确，同时在找资料过程中，我也灵机一动，找到一种新的方法（对我来说是新创造的，可能很多spss高手已经用的不想用，也可能是错误的，这里提出来，希望得到批评指正）。
有些人说spss不能做分类与连续性的相关分析，但也有人说能做，就像我碰到的这位导师，于是我按照能做的思路来总结。
由于分类变量涉及到二分类或者是多分类（三类及以上），分情况说明&
如果是二分类，而且是自然的二分类，比如性别（男、女）这种的，在录入编码时，用0、1表示时，据说可以直接采用pearson相关，我试了下，能得出结论，但不知道是否正确；但是我用我想到的办法尝试之后，发现得出的结论跟直接相关分析数据一致。
2.多分类（三类以上）的自变量和连续性因变量的相关。这个大致口径一致，说spss无法操作，但也有人说直接相关就好了，可是直接相关个人感觉是完全错误的，因为分类变量很多分类的编码数字是没有大小意义的，比如春夏秋冬四类，在spss录入时用1234代替，这里的1234根本没有大小好坏之分，那得出的相关系数怎么解释呢？况且这种多分类变量在求相关时，一般是需要得出里面的每个分类与连续性因变量的相关系数的，于是spss似乎没法解决了。
这里提下我的方法，说实话，我并不知道正确与否，希望有专家能够验证一下，并指导一下。
方法很简单：就是设置哑变量。
通常在回归分析时，如果是二分类变量可以直接当做连续性变量进行回归，而多分类时，则需要设置哑变量，即将每个类别转换成0,1的编码来表示，因此这里我们求相关系数时，也可以采用类似的设置哑变量，只不过是有几个类别就设置几个哑变量，这也相当于将多分类变量变成了多个0、1编码的二分类变量，然后再直接使用相关分析，选择所有的哑变量和连续性因变量进行普通的pearson相关，就可以得出每个分类与因变量的相关系数了。
我通过这种方法来计算过二分类变量的相关系数，发现相关系数是一致的，但是多分类的就不知道如何了。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。用spss做两个变量相关性分析时，存在强自相关怎么办？
用spss做两个变量相关性分析时，存在强自相关怎么办？
09-12-23 &
只能留下一个变量呗,或者再找一个别的变量代替,反正两个强自相关的变量是不能用作单独的变量回归分析的.
请登录后再发表评论!
货币政策执行效果的差别化分析摘要：统一的货币政策与区域经济发展的不平衡之间存在矛盾，这种矛盾的存在必将影响货币政策的执行效果。本课题结合海南经济金融运行的具体情况，对历年来货币政策调整对海南经济发展所起的作用予以分析，并对比全国水平分析货币政策执行效果在海南所体现的差别性，提出货币政策应关注区域差异，在制定和执行上更为客观、全面、有效。关键词：货币政策  执行效果  差别 一、关于区域性差异影响货币政策执行效果的理论分析    我国区域经济发展的不平衡是宏观调控政策面临的一个问题，财政政策通过国债资金、转移支付等多种方式体现对区域差异的关注。货币政策也是一项重要的宏观调控政策，而目前我国的货币政策在制定和执行过程中主要以总量调节为主，采取全国一盘棋的做法。这样做的主要好处是，国家可以从总量上对社会总供求进行调控并促成二者的基本平衡，保障宏观经济目标的实现。但由于各地区经济环境、金融发展水平、传导途径等方面的差距，全国统一的货币政策与各地区域经济发展不平衡之间的矛盾势必影响到货币政策最终的执行效果。因此，笔者认为，我国统一的货币政策的制定和执行也应适当考虑区域经济发展差异性这一因素。二、区域经济货币政策执行效果差异性分析    货币政策的执行效果如何，最终反映在物价与产出上。在分析过程中，要从货币政策传导的途径考虑。目前我国货币政策的传导途径，主要有信贷传导途径、利率传导途径、汇率传导途径等。区域经济发展的差异性必将对货币政策的传导产生一定的影响，结合N省的具体情况，分析本省货币政策主要的传导途径，并分析货币政策传导对投资、消费、进出口、居民收入与储蓄、产业结构、就业等方面的影响，最终考虑对物价和产出的影响。本部分分析的目的，是要研究不同的货币政策措施对本地物价与产出的影响到底有多大，主要包括存款准备金率调整的影响，利率调整的影响，再贴现率与再贴现额度调整的影响，再贷款的影响，公开市场操作的影响、汇率变化的影响以及一些选择性货币政策工具的影响等。本文着重对年的货币政策在区域经济层面的传导效果进行实证分析，对政策工具调整较为频繁的年进行重点剖析。（一）样本选择与分析方法    货币政策工具选样：1998年以来，我们主要运用了利率、存款准备金率、再贷款、再贴现、信贷政策等货币政策工具，考虑信贷政策货币政策工具不能量化，因而，我们货币政策工具选样忽略了信贷政策工具。    存款准备金样本区间从1998年1月至 2000年12月，共36个样本。贷款利率样本区间从1998年4月至2000年12月，共33个样本，最大滞后时段为36个月。    再贷款率、再贷款额、再贴现率、再贴现额的本区间从1998年10月至 2004年10月，共72个样本。    中介目标选样：我们选取贷款总量作为中介目标，贷款总量数据为对应的当月贷款余额以及往后第1，2，…，33个月的贷款余额。最终目标选样：我们选取GDP与居民消费价格指数作为最终目标，GDP选样区间为1998年至2004年第四季度，以季度为单位共28个样本。物价指数选样为居民消费价格指数，样本区间为1998年至2004年第四季度，以季度为单位共28个样本。    分析方法：采用spss软件计算各项货币政策工具指标与中介目标（当期贷款余额或若干个月后的贷款余额），以及中介目标（贷款余额）与当期的GDP，以及居民消费物价指数之间的Pearson相关系数。通过对相关系数的变化趋势的分析来评价各项货币政策工具的有效性。（注：Pearson相关系数是度量两个变量之间的线性相关程度。相关系数前面的符号表征相关关系的方向，其绝对值的大小表示相关程度，相关系数越大，则相关性越强。Significance(2-tailed):双侧显著性检验概率。）对货币政策工具变量A(包括1、一年期贷款率，2、一年期再贷款率，3、一年期再贴现率，4、法定准备金率)单向量变动对贷款总量B的影响以及贷款总量B对最终目标向量C( GDP)与向量D（物价）指标水平的影响等进行分析。    （二）研究假设    根据货币政策有效性理论，我们提出以下具体假设：    假设1：贷款利率与贷款总量负相关。理论上讲，贷款利率下调可以降低企业融资成本，有利于刺激投资，拉动消费，进而增加企业贷款意愿。因此，贷款利率水平越低，银行贷款总量将会越多。假设2：再贷款利率与贷款总量负相关。再贷款利率下调地增加了商业银行到中央银行申请贷款的意愿，因而再贷款总额增加，相应地增加了商业银行资金的供给总量，进而将增加商业银行对企业的贷款意愿。    假设3：再贴现率与贷款总量负相关。再贴现率下调地增加了商业银行到中央银行申请再贴现的意愿，因而再贴现量增加，相应增加了商业银行对企业增加贴现意愿，进而将增加商业银行对企业的贷款总量。    假设4：存款准备金率与贷款总量负相关。降低存款准备金率将会增大货币乘数，进而增加货币供应量和社会信用总量，因此，存款准备金率与贷款总量负相关。假设5：贷款总量与GDP正相关。贷款总量增加直接刺激投资增长和支出的增加，导致经济的快速扩张。假设6：贷款总量与物价指数正相关。贷款总量的增加将在一定程度上刺激投资和产出的增加，收入也将随之增加，并进而导致物价的上涨。    （三）实证检验    检验显示    1、贷款利率对贷款额相关系数在当月就达到-0.846，其中在第十七个月达到最高：-0.942 ，在第二十四个月回落到-0.823。结果表明：贷款利率与贷款额在0.01水平下显著,存在明显的负相关关系，从而强有力地支持了我们假设１。对贷款利率与第十七个月的贷款余额作线性回归，得线性模型：y=-56.097x+y，y表示第十七个月的贷款余额，x表示贷款利率。    2、再贷款利率对贷款额的相关系数在当月就达到-0.839，其中在第十七个月达到最高：-0.930，在第二十三个月回落到-0.843。结果表明：再贷款利率与贷款额在0.01水平下显著,存在明显的负相关关系，从而强有力地支持了我们假设２。对再贷款利率与第十七个月的贷款余额作线性回归，得线性模型y=-28.363x+，y表示第十七个月的贷款余额，x表示再贷款利率。    3、对再贷款额，再贴现额与贷款余额作相关分析 ：再贷款额，再贴现额的样本区间为从1998年10月至2001年2月共38个样本，贷款余额为对应的当月贷款余额及往后32个月的贷款余额。经分析发现再贷款额与当月贷款余额及往后各月贷款余额之间的最大相关系数出现在第19个月（0.417）。对再贷款额与第19个月的贷款余额作线性回归，得线性模型：y=14.136x+917.589再贴现额与当月贷款余额及往后各月贷款余额之间的相关系数都为强相关，最大相关系数出现在第30个月（0.815）。对再贴现额与第30个月的贷款余额作线性回归，得线性模型：y=163.826x+921.252    如果再贷款额，再贴现额的样本区间为从1998年10月至2004年10月共72个样本，贷款余额为对应的当月贷款余额，对他们作相关分析，则发现再贷款额与贷款余额的相关系数为：-0.124，再贴现额与贷款余额的相关系数为：0.147。都没有显著的线性相关关系。    如果再贷款额，再贴现额的样本区间为从2000年7月至2003年12月共42个样本，贷款余额为对应的当月贷款余额，对他们作相关分析，则发现再贷款额与贷款余额的相关系数为：-0.090，再贴现额与贷款余额的相关系数为：-0.536。前者没有显著的线性相关关系，后者具有强负相关关系。    如果再贷款额，再贴现额的样本区间为从1999年6月至2002年5月共36个样本，贷款余额为对应的当月贷款余额，对他们作相关分析，则发现再贷款额与贷款余额的相关系数为：-0.513，再贴现额与贷款余额的相关系数为：0.684，都为强的线性相关关系。通过以上分析发现，对于不同的样本区间，各个变量之间的相关关系很不一致，所以笔者认为再贷款额，再贴现额这两个变量与贷款额这期间没有线性相关关系。    4、存款准备金率对贷款额的相关系数在当月就达到-0.734。其中在第十三个月达到最高：-0.848，在第二十九个月回落到-0.728。结果表明：存款准备金率与贷款额在0.01水平下显著,存在明显的负相关关系，从而强有力地支持了我们假设４。对存款准备金率与第十三个月的贷款余额作线性回归，得线性模型:y=-77.086，y表示第十三个月的贷款余额，x表示存款准备金率。    5、GDP—各项贷款余额相关分析：贷款余额样本区间为1998年第一季度至2004年第四季度，共28个样本，GDP样本为对应的当季GDP值。结果表明：相关系数在当季为0.784，在0.01的显著性水平下强正相关，从而强有力地支持了我们假设５。对贷款余额与当季度的GDP作线性回归，得线性模型：y=0.212-60.548，y表示当季度的GDP，x表示贷款余额。&strong&答案补充&/strong&6、居民消费物价指数—各项贷款余额相关分析：贷款余额样本区间为1998年第一季度至2004年第四季度，共28个样本。居民消费物价指数样本为对应的当季居民消费物价指数。相关系数为0.447，在0.05显著性水平下显著正相关，进而有力地支持了我们假设６。对贷款余额与当季度的居民消费物价指数作线性回归，得线性模型： y=0.008x+91.960，y表示当季度的居民消费物价指数，x表示贷款余额。三、主要结论（一）主要结论    1、分析结果表明，货币政策工具利率与存款准备金率对中介目标在0.01的水平下具有强的负相关性，而再贷款率与再贴现率和中介目标没有相关性；中介目标对最终目标GDP在0.01的水平下具有强的正相关性，对物价指数在0.05的水平下具有显著的正相关性。据此我们认为，在新兴市场的国家中，由于利率尚未市场化，因而贷款利率和存款准备金率仍然是非常重要的货币政策工具，信贷总量在分析货币政策对区域经济的影响具有举足轻重的作用，而再贷款率、再贴现率对票据市场比较落后的N省来看，作用不大。&strong&答案补充&/strong&2、在考虑单变量自我影响的前提下,存款准备金率在当期就具有强负相关性，在第13个月相关系数达到最大，并持续16个月后效用开始减小；贷款利率和存款准备金率具有很强的相似性，都是在当期具有强负相关性，在第17个月相关系数达到最大，持续期分别为24个月；中介目标与最终政策目标GDP的强相关则出现在当季,对物价指数显著相关也出现在当季。毫无疑问，我国货币政策在N省实施的效果比较显著，对实际产出和物价变动都具有重大影响。    3、在不考虑交互影响的前提下，在向中间目标传导的过程中，法定存款准备金率时滞最短（13个月），比全国（8个月）滞后4个月，贷款利率（17个月），比全国分别）滞后3个月；从持续期看则相反，贷款利率为24个月，与全国相比持续期短4个月，法定准备金率为29个月，与全国一样（29个月）。为什么N省货币政策工具与全国相比会出现滞后期长，持续期短的现象呢？主要原因在于N省经济货币化程度相对较低，资本市场发育比较落后造成的。&strong&答案补充&/strong&4、再贷款率与再贴现率在N省实施效果不明显，究其原因主要是因为N省的货币化程度低，特别是票据市场相对落后，导致再贷款率与再贴现率两大政策工具失灵。因而考虑我国经济金融地区差别明显、发展不平衡的现实，为了使货币政策更符合区域经济金融的实际情况，适当制定一些切实可行的区域性货币政策，进而增强货币政策传导的实效性和地区差别性。（二）政策建议    第一，建议在全国统一性的货币政策的基础上，适当考虑地区性差异性。实行全国分层次的货币政策，或差别货币政策，或区域性货币政策。 第二，建议利用分层次货币政策去调节资金、项目和技术在全国范围内的合理配置。   第三，建议协调发展货币市场和资金市场，增强两市场间的互动性，对提高货币政策金融市场传导效率有着极其重要的意义，因而，要进一步加大对金融市场的引导，促进货币市场和资本市场的共同发展，充分发挥金融市场在货币政策传导中的作用。
请登录后再发表评论!扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
因变量与自变量组的相关性不强,而自变量与自变量之间的相关性非常强,如何用spss做多元线性回归分析?而且我的数据用spss逐步线性回归法,不出结果,总是出警报.用向后回归法做能出结果,但结果明显不理想.
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
多重共线性的处理的方法（一）删除不重要的自变量自变量之间存在共线性,说明自变量所提供的信息是重叠的,可以删除不重要的自变量减少重复信息.但从模型中删去自变量时应该注意：从实际经济分析确定为相对不重要并从偏相关系数检验证实为共线性原因的那些变量中删除.如果删除不当,会产生模型设定误差,造成参数估计严重有偏的后果.（二）追加样本信息多重共线性问题的实质是样本信息的不充分而导致模型参数的不能精确估计,因此追加样本信息是解决该问题的一条有效途径.但是,由于资料收集及调查的困难,要追加样本信息在实践中有时并不容易.（三）利用非样本先验信息非样本先验信息主要来自经济理论分析和经验认识.充分利用这些先验的信息,往往有助于解决多重共线性问题.（四）改变解释变量的形式改变解释变量的形式是解决多重共线性的一种简易方法,例如对于横截面数据采用相对数变量,对于时间序列数据采用增量型变量.（五）逐步回归法逐步回归（Stepwise Regression）是一种常用的消除多重共线性、选取“最优”回归方程的方法.其做法是将逐个引入自变量,引入的条件是该自变量经F检验是显著的,每引入一个自变量后,对已选入的变量进行逐个检验,如果原来引入的变量由于后面变量的引入而变得不再显著,那么就将其剔除.引入一个变量或从回归方程中剔除一个变量,为逐步回归的一步,每一步都要进行F 检验,以确保每次引入新变量之前回归方程中只包含显著的变量.这个过程反复进行,直到既没有不显著的自变量选入回归方程,也没有显著自变量从回归方程中剔除为止.
其他类似问题
是何“警报”？
扫描下载二维码