⑴ 求高手做相关性分析和回归分析，急急急
郭敦顒先透露点信息：
郭敦顒近30年没做过超平面回归方程了,不知是否还会做,如果还能做得出来的话,是会答复你的.不要分也会尽力去做.
请教一下教概率论与数理统计的教师教授,是一种较好的选择.
⑵ 相关分析与回归分析有何区别与联系
联系：相关分析和回归分析都是研究变量之间的关联关系的。
区别：1、相关性分析仅仅只能研究变量之间的关联关系，但是并不能研究变量之间的因果关
系。
例如：A和B之间存在相关关系，意味着A依赖于B同时B也依赖于A；而回归分析则是
可以研究变量之间的因果关系，即回归分析中有明确的起因变量也有明确的结果变
量。
例如：A变量显著影响B变量；努力学习，成绩就好，努力就是起因，成绩就是结局。
2、相关性分析仅仅研究两个变量之间的关联关系，当有第三个变量的时候，则不能
选择相关性分析；回归分析则可以同时研究1个或者1个以上的起因变量（自变量）
对一个结局变量（因变量）的影响的情况。
接下来用图形简单说明回归分析和相关性分析的区别和联系：
同样是height和weight，如果选择相关性分析，那么只能得出height和weight之间的相关系数为0.625，意味着height和weight之间显著正相关，即height和weight同升同降；如果选择线性回归分析，则可以更进一步得出height可以显著正向影响weight，影响系数为0.425，即height每提升1单位会直接导致weight随之提升0.425个单位。
⑶ 如何分析两只股票的涨幅的相关系数
首先你需要选择两只股票的涨跌数据，比如可以是向前为其三个月的数据，或者是一年的数据，然后把两只股票每天的涨跌数据 一一对应收集起来。
然后就可以采用简单的相关分析，甚至其他的统计分析方法分析两只股票的关系。
不过说实话 中国的股票数据反映的并不是经济规律的真相，更多的是政策和市场信息的影响。
⑷ 如何快速比较股票间的相关性
。。。。。
这个问题嘿嘿我的毕设就是这个，你可以先去期刊网去找找其他人怎么做的，我记得我在01年做的时候，样本剔除后只有300多支股票，分析来分析去，做了很多调整相关性做到了90%以上，可是以前知名学者的全面分析下来只有50%多，当时没有wind之类的东西，全手工excel，现在用wind 方便多了。但是由于我国证券市场从初始到现在因政策5次重大变动产生了较大的变化，我建议你不妨从时间和市场两个角度缩小样本选取（可以选中小板为样本），针对性更强。
⑸ 回归分析与相关分析的区别和联系
【摘要】相关分析和回归分析是数理统计中两种重要的统计分析方法，在实际生活中应用非常广泛。两种方法从本质上来讲有许多共同点，均是对具有相关关系的变量，从数据内在逻辑分析变量之间的联系，但同时二者存在不同。相关分析可以说是回归分析的基础和前提，而回归分析则是相关分析的深入和继续。当两个或两个以上的变量之间存在高度的相关关系时，进行回归分析寻求其相关的具体形式才有意义。从本质分析了相关分析和回归分析，并比较两种之间的异同，结合生活中的例子，进一步讨论了利用相关分析和回归分析的前提并得出相关结论。
【关键词】数理统计 相关性 相关分析 回归分析
一、相关关系与相关分析
1.相关关系
在数理统计学中，回归分析与相关分析是两种常用的统计方法，可以用来解决许多生产实践中的问题，虽然二者之间关系密切，但在具体原理和应用上面有许多不同。首先从总体来说，两者均是对具有相关性的变量或具有联系的标志进行分析，可以借助函数和图像等方法。当一个变量固定，同时另一个变量也有固定值与其相对应，这是一种一一对应的关系，也叫做函数关系。而当一个变量固定，同时与之相对应的变量值并不固定，但是却按照某种规律在一定范围内分布，这两者之间的关系即为相关关系。这里函数关系与相
⑹ 回归分析：怎么判断相关性好！
看P，相关性好不好要做相关分析
统计专业，数据分析经验很丰富
⑺ 用SPSS要怎么进行相关分析和回归分析
1.
可以将被剔除的变量做回归分析，但如果相关系数过高，可能会产生多重共线性（参数t检验无法通过），到时候可以去剔除法或者spss的逐步回归法做就行
2.
第一个图是方差分析表，其实意义不需要过多强求，主要看f值对应的sig.（或者p）值即可，当sig<0.05时，表明模型整体拟合效果不错。否则模型不成立
3.
要明白一点，如果做多元线性回归，之前的相关系数矩阵，相关性越高，产生多重共线性可能越大（系数t检验无法通过），强行将所有变量做回归也是可以的，但是因为有多重共线性，很多系数的t检验的p值大于
0.05。可以采取逐步回归法进行回归（spss有该选项），系统会自动剔除变量
建议楼主仔细回顾一下计量经济学——多元线性回归和多重共线性相关内容
⑻ 在做回归分析之前为什么要做相关性检验。明明作了相关性检验之后不管结果如何都要全做回归分析的啊。
在做回归分析之前做相关性检验的原因如下：
1、相关分析相当于先检验一下众多的自变量和因变量之间是否存在相关性，当然通过相关分析求得相关系数没有回归分析的准确。如果相关分析时各自变量跟因变量之间没有相关性 ，就没有必要再做回归分析；如果有一定的相关性了，然后再通过回归分析进一步验证他们之间的准确关系。
同时 相关分析还有一个目的，可以查看一下 自变量之间的共线性程度如何，如果自变量间的相关性非常大，可能表示存在共线性。
2、相关分析只是了解变量间的共变趋势，我们只能通过相关分析确定变量间的关联，这种关联是没有方向性的，可能是A影响B，也可能是B影响A，还有可能是A与B互相影响，相关分析没法确定变量间的关联究竟是哪一种。
而这就是我们需要使用回归分析解决的问题，我们通过回归分析对自变量与因变量进行假设，然后可以验证变量间的具体作用关系，这时的变量关系就是有具体方向性的了。所以相关分析通常也会被作为一种描述性的分析，而回归分析得到的结果更为重要和精确。
(8)股票回归如何分析相关性扩展阅读：
做回归分析时的注意问题：
应用回归预测法时应首先确定变量之间是否存在相关关系。如果变量之间不存在相关关系，对这些变量应用回归预测法就会得出错误的结果。
正确应用回归分析预测时应注意：
①用定性分析判断现象之间的依存关系。
②避免回归预测的任意外推。
③应用合适的数据资料。
⑼ 股票 相关性计算
相关性分析比较书面化，因为实际中同时影响多只股票的因素很多，不好剔除。但是如果你要简单性进行数据分析的话，那么就设立一个时间段，把这个时间段两只或者多只股票的涨跌幅变化进行对比就可以了。这是最简单但最不精确的方法。如果你想严谨一些，那么选定时间段，选取两只或多只股票所在的行业，把这几只股票和行业整体情况作对比，再将整个行业和大盘作对比，只要你选取的时间段足够长，那么得出的整个行业的ß系数还是比较靠谱的，依据这个ß系数你再相互比较应该就可以得出这几只股票间的ρ
⑽ 相关性分析的概念及方法
相关分析就是根据一个因素（变量）与另一个因素（变量）的相关系数是否大于临界值，判断两个因素是否相关。在相关的因素之间，根据相关系数大小判断两个因素关系的密切程度，相关系数越大，说明两者关系越密切（何晓群，2002）。这种方法从总体上对问题可以有一个大致认识，但却很难在错综复杂的关系中把握现象的本质，找出哪些是主要因素，哪些是次要因素，有时甚至得出错误结论。为此，提出使用数学上的偏相关分析与逐步回归相结合的办法来解决这类问题。
偏相关性分析基本原理是，若众多因素都对某一因素都存在影响，当分析某一因素的影响大小时，把其他因素都限制在某一水平范围内，单独分析该因素对某一因素所带来的影响，从而消除其他因素带来的干扰。比如分析压实作用（或埋深）对孔隙度和渗透率的影响时，便把岩石成分、粒度、胶结类型等都限制在一定范围来单独讨论压实作用，而数学上的偏相关分析恰恰就是解决这类问题的方法，偏相关系数的大小就代表了这种影响程度。结合多因素边引入、边剔除的逐步回归分析方法，也可消除多个因素（自变量）间的相互干扰和多个因素对因变量的重复影响，保留其中的有用信息，挑选出对因变量影响较显著的因素，剔除了一些次要因素，被挑选出的主要因素的标准回归系数和偏回归平方和的大小反映了各参数对因变量（充满度）的影响大小。因此根据各因素（自变量）与因变量间的偏相关系数大小，结合标准回归系数和偏回归平方和，便可以将各因素对因变量的影响大小进行定量排序。其基本步骤如下：
第一步，找出所有可能对因变量产生影响的因素（或参数），同时对一些非数值型参数进行量化处理；
第二步，计算因变量与各参数间的简单相关系数，根据这些简单相关系数的大小，初步分析它们与因变量间的简单相关关系；
第三步，计算因变量与各参数间的偏相关系数、标准回归系数和偏回归平方和；
第四步，根据偏相关系数的大小，再结合标准回归系数和偏回归平方和，综合分析因变量与各参数间的关系密切程度，其值越大，关系越密切，影响越大，反之亦然。