相关系数图矩阵

今天要跟大家分享的是相关系数图矩阵！

相关系数矩阵大家肯定都不陌生吧，作为识别变量之间的关系以及共线性程度，会在很多数据环境下用到。

但是相关系数矩阵毕竟全是数字，看起来还是不够直观，需要我们主动去识别，变量较多时真的能看花眼。

所以通常我们会输出变量间的相关系数图矩阵，这样可以很清晰直观的看出两两变量间的相关关系。

今天我会演示三种软件的 相关系数图矩阵的输出操作：

SPSS

Stata

R

基于SPSS24的相关系数图矩阵输出：

在SPSS24中打开你需要操作的数据：

在顶部菜单中点击图表——旧对话框——散点图

在弹出的对话框中选择矩阵散点图。

在弹出的散点图矩阵中选入你要计算的变量，确定。

以下是SPSS输出的散点图矩阵。看起来相对来说，要比相关系数矩阵的数字要直观很多。

基于Stata14的相关系数图矩阵输出：

在Stata14中打开操作数据：

cd F:\数据可视化\数据分析\计量经济学公众号——学习案例\model\

insheet using data.csv,clear

展示数据结构：

list in 1/10

输出散点图矩阵：

graph matrix gdppc hucap inv ls regovcon rfexp

这张散点图矩阵与用SPSS做出来的结果是一样的，只是风格上略有不同。

基于R语言的相关系数散点图矩阵：

首先使用命令打开要操作的数据：

data<-read.csv("F:\\数据可视化\\数据分析\\计量经济学公众号——学习案例\\model\\data.csv")

展示数据结构：

head(data)

由于INV1变量第一个值有缺失，可能会影响相关系数矩阵图，所以从新生成一个数据集，使用前六个变量（不包含INV1）。

生成作图数据：

data1<-data[,c(2,3,4,6,7,8)]

展示新数据结构：

head(data1)

输出散点图矩阵：

plot（data1）

使用R输出的散点图矩阵与前面使用的SPSS、Stata输出的散点图矩阵结构基本一致。

散点图矩阵在观察和探索多变量数据结构和关系时，可以给予我们非常直观的印象和直觉。与相关系数矩阵搭配使用，对于展示多维数据关系更有说服力。