描述性统计
一，计算各个变量的最大值，最小值，均值，方差，偏度，峰度等统计量
使用工具：SPSS
步骤一：将数据导入SPSS
步骤二：点击分析-描述统计-描述-导入各个变量-点击选项并勾选统计量
样图：
计算皮尔逊相关系数
重点！！！
1，皮尔逊相关系数的作用：衡量两个变量之间的相关性的大小！！
2，皮尔逊相关系数的误区如图：
二，绘制各个变量之间的散点图
使用工具：SPSS
步骤一：点击图形旧对话框 ‐ 散点图/点图 ‐ 矩阵散点图
样图：
三，观察具有线性相关性的变量，并计算皮尔逊系数
使用工具：Matlab
步骤一：修改数据文件的格式为mat或m文件。
步骤二：加载数据到Matlab
步骤三：使用corrcoef函数计算出相关系数矩阵R，R = corrcoef(Test);
样图：
四，将相关系数矩阵导出并美化
使用工具：Excel
步骤一：在开始‐格式中调整每个单元格的格式为正方形
步骤二：在对齐方式中设置两个居中
步骤三：选中相关系数表，开始‐条件格式‐色阶‐选中红‐白‐蓝
步骤四：选中相关系数表，选择条件格式‐管理规则‐编辑规则
样图：
皮尔逊相关系数的显著性假设检验
一，皮尔逊相关系数假设检验的条件
条件一：实验数据成对来自于正态分布的总体
条件二：实验数据不能差距过大
条件三：每组样本之间是独立抽样
二，针对样本数据进行正态检验
1，正态分布JB检验（大样本，n>30）
使用软件：Matlab
步骤一：计算随机变量的偏度和峰度
步骤二：JB检验的语法：[h,p] = jbtest(x,alpha)
当输出h等于1时，表示拒绝原假设；h等于0则代表不能拒绝原假设。
alpha就是显著性水平，一般取0.05，此时置信水平为1‐0.05=0.95
x就是我们要检验的随机变量，注意这里的x只能是向量。
步骤三：写循环，依次检验各个随机变量
2，正态分布Shapiro‐wilk夏皮洛‐威尔克检验（小样本，0
使用软件：SPSS
步骤如下图：
3，通过绘制QQ图，进行随机变量的正态性检验
使用软件：Matlab
步骤一：
图形解释：只需观察Q‐Q图上的点，是否近似地在一条直线附近！（大样本）
三，当样本数据满足正态分布，则进行皮尔逊相关系数检验
使用软件：Matlab
步骤一：提出原假设和备择假设
步骤二：在原假设成立前提下，构建统计量及其分布
步骤三：根据统计量，计算检验值
步骤四：计算P值
步骤五：判断P值和显著性水平α
注意：0.5、0.5* 、0.5**、0.5***的含义为显著性标记
注意：步骤四和步骤五可用下图代码代替
样图展示：
后续还有各种模型的操作和总结！建模软件采用matlab，Stata，SPSS！大量截图来自于清风老师的手稿和讲义。后续不定期更新。