用spss对股票价格指数收益率相关性进行分析_刘喜梅
SPSS在股票市场应用 第六章
6.11.1 多项分类Logistic回归分析的 功能与意义
• 我们经常会遇到因变量有多个取值而且无
大小顺序的情况比如职业、婚姻情况等等， 这时一般的线性回归分析无法准确的刻画 变量之间的因果关系，需要用其他的回归 分析方法来进行拟合模型。SPSS的多项分 类Logistic回归便是一种简便的处理该类因 变量问题的分析方法。
6.9.1 二阶段最小二乘回归分析的功 能与意义
• 普通最小二乘法有一个基本假设是自变量取值不
受因变量的影响。然而，在很多研究中往往存在 着内生自变量问题，如果继续采用普通最小二乘 法，就会严重影响回归参数的估计。SPSS的二阶 段最小二乘回归分析便是为解决这一问题而设计 的，其基本思路是：首先找出内生自变量，然后 根据预分析结果找出可以预测该自变量取值的回 归方程并得到自变量预测值，再将因变量对该自 变量的预测值进行回归，迂回解决内生自变量问 题。
6.1.1 简单相关分析的功能与意义
• SPSS的简单相关分析(Bivariate)是最简单也
是最常用的一种相关分析（Correlate）方 法，其基本功能是可以研究变量间的线性 相关程度并用适当的统计指标表示出来。
6.2.1 偏相关分析的功能与意义
• 很多情况下，需要进行相关分析的变量的
取值会同时受到其他变量的影响，这时候 就需要把其他变量控制住，然后输出控制 其他变量影响后的相关系数。SPSS的偏相 关分析(Partial)过程就是为解决这一问题而 设计的。
基于SPSS相关性和回归分析的股票投资算法研究_徐奔
中图分类号：TP399 文献标识码：A 文章编号：1009-3044(2015)18-0088-02
DOI:10.14004/ki.ckt.2015.1510 股市已成为掌控经济整体运行情况的重要参考，因此一直 都是经济领域研究的热点。但当前多专注于股价预测和各种 实证分析，缺乏对股市进行系统的分析和认知，难以从整体上 准确把握股市的结构特性。通过运用 SPSS 中强大便捷的相关 性分析和回归分析功能，对股票价格波动趋势进行研究，预测 出股票价格之间的函数关系，使之能在股票投资、预测中发挥 重要作用。
[6] 董跃武,黄凯东,勾学荣 . 遗传算法与试题库自动组卷[J]. 中国 远程教育,2002(8):15-45.
[7]李旌燕 . EXCEL 操作题自动出题和自动阅卷系统的设计与 实现[D]. 长沙: 中南大学, 2009.
本栏目责任编辑：谢媛媛
软件设计开发
89
[4] 陆旦前, 邱建林 . 基于 Office 对象库的多层结构的图表发布 [J]. 南通大学学报: 自然科学版, 2007, 5(4): 90-92.
[5] 于淑香, 徐汀荣 . 基于 COM 技术的 Office 自动评分系统的 设计与实现[J]. 沙洲职业工学院学报, 2007 (3): 1-3.
回归分析等。股票价格变化之间的相关性就是一种股票价格 的涨落是否会影响另一种股票价格的变动，即二者之间是否有 相互联系，是否存在相关性。其相关性可由相关系数值来确 定。由公式（1）可知股票相关系数 r ，股票价格χ 、y 的函数关系
，其中 ，为常数项， 为 y 对χ 回归系数。选择
两支同行业的相关股票，其价格呈正相关，同时投资两支呈正
图 2 模型汇总 b 从图 2 中可以看出模型的拟合度是 0.827，调整后的模型拟 合度是 0.825，说明“建行 Close”的情况都可用该模型解释，拟合 度相对较高。
基于SPSS 浅析财务报表指标选股投资策略——以沪深300 指数成份股为例
一、数据选取 本文选取 2020 年沪深 300 指数 成份股基本信息作为样本，将 2020 年第一季度财务数据中的每股收益 EPS、每股盈余公积、每股净资产、 每股现金流量净额、每股未分配利 润 作 为 变 量， 对 2020 年 1 月 1 日 至 6 月 11 日区间的涨幅情况进行分 析。
过因子分析这一功能综合评定样本的投资价值。在 SPSS 软
件中点击“分析”—“降维”—“因子分析”，在对话框中
将 5 项财务指标选入变量框中，然后点击“描述”按钮，
选中原始分析结果、KMO 和 Bartleft 的球形度检验选项；
单击“抽取 ”，选择“主成份 ”方法，再选择“因子的固定
数量”——数值为 2；单击“旋转”，方法选择“最大方差
三、数据分析
（一）相关性分析 本 文 使 用 SPSS 分 析 沪 深 300 指 数成份股 2020 年一季报部分财务指标 与今年以来股价涨跌幅的相关性，在 SPSS 软件中选择“分析”—“相关”— “双变量 ”，将每股收益 EPS、每股 盈余公积、每股净资产、每股现金流 量净额、每股未分配利润作为变量， “相 关 系 数 ”选“Pearson”，“显 著 性 检验 ”选“双侧检验 ”，并选“标记显 著性相关”。 得出结果为每股收益 EPS 与其他 指标的“Pearson”相关性均为显著相 关；每股盈余公积与每股收益 EPS、 每股净资产、每股未分配利润显著相 关；每股净资产与每股收益 EPS、每 股盈余公积、每股现金流量净额、每 股未分配利润显著相关；每股现金流 量净额与每股收益 EPS、每股净资产 显著相关；每股未分配利润与每股收 益 EPS、每股盈余公积、每股净资产 显著相关；区间涨跌幅仅与每股收益 EPS 显著相关。因此，从相关性分析 来看，每股收益 EPS 可以作为一个分 析沪深 300 成份股今年以来涨跌幅的 重要相关指标。另外，财务指标之间 具有一定的相关性，可以用来分析成 份股经营情况的优劣。
第五章 SPSS相关分析
秩相关系数r （比较有用的结果： Kendall秩相关系数r和其相应的显著 比较有用的结果： Kendall秩相关系数 性概率Sig(Kendall秩相关系数均 ，认为中度相关） 秩相关系数均>.5 性概率Sig(Kendall秩相关系数均>.5，认为中度相关）
NAU 李刚华
SPSS 应用
偏相关分析
1、连续变量间的相关：Pearson 连续变量间的相关：
连续变量间的相关分析实例1 连续变量间的相关分析实例1
Data08-01：1962年 1988年安徽省国民收入与城乡居民储蓄存款 Data08-01：1962年－1988年安徽省国民收入与城乡居民储蓄存款 余额两个变量间的线性相关分析（income：国民收入，deposit：城乡 余额两个变量间的线性相关分析（income：国民收入，deposit： 居民储蓄存款余额，number：序号，year：年份）。 居民储蓄存款余额，number：序号，year：年份）。
相关系数r=.976和其相应的显著性概率 相关系数r=.976和其相应的显著性概率Sig=.000(显然国民收入与存款余额 和其相应的显著性概率Sig=.000(显然国民收入与存款余额 NAU 之间是高度相关的) 之间是高度相关的)
李刚华
SPSS 应用 连续变量间的相关分析实例2 连续变量间的相关分析实例2
Previous Experience (months) Years
Current Salary
Beginning Salary
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
SPSS数据分析：影响股票成交金额趋势变动的因素分析
1992——2009年影响股票成交金额趋势变动的因素分析学院工商管理专业班级人力资源0910学生姓名赵飞飞学号0802091033一、选题理由从1990年12月上海证券交易所成立以来，我国股票市场在20年左右的时间里，取得了长足的进步，越来越多的股民参与其中，股票投资已经成为我国投资者必不可少的投资手段之一，股市的涨跌变得与人们的生活息息相关。
股票成交金额指在进行股票交易过程中，买入（或卖出）股票时，买卖双方根据有关交易规则达成交易的金额。
因此，研究历年股票成交金额对于投资者来说具有较好的借鉴意义，能够提供一些投资决策的依据。
作为股票投资的爱好者，我想通过对1992——2009年我国股票成交金额的趋势变动及其影响因素进行分析，找出其中主要的影响因素，并对投资决策提出一些意见和建议。
二、变量选取影响股票成交金额变动的因素有很多，基本上可以归结为四个层面：宏观经济层面、微观经济层面、市场层面、政策层面。
宏观经济层面主要包括经济增长、利率、财政收支、货币供应量、物价、国际收支等。
微观经济层面主要是上市公司的财务状况。
市场层面主要是指市场的供给和需求，即股票的发行总量和资金总量。
政策层面主要是指足以影响股票价格变动的国内外重大活动及政府的政策措施。
在变量的选取上，我们遵循全面、可量化、数据易获得性选取股票成交金额（亿元）作为被解释变量，选取了6个解释变量：上证综指（收盘价）、人民币汇率（年平均价，100美元对人民币）、建筑业总产值（亿元）、商品房销售额（亿元）、黄金价格（美元/盎司）、人均生产总值（亿元）。
说明：因为我们要分析的被解释变量是股票成交金额，是综合反映股票市场上所有公司股票成交金额总体变化趋势的指标。
在微观层面上我们不可能把每一个公司的财务状况拿来分析，在政策层面上也不可能拿政策、措施作为解释变量，因为它们是不可量化的。
因此我们选取了上述6个经济指标作为解释变量进行进一步的分析。
三、数据的收集与整理四、多元统计分析模型的建立设定模型如下：Y=B0+B1X1+B2X2+B3X3+B4X4+B5X5+B6X6其中，被解释变量：Y——股票成交金额解释变量：X1——上证综指X2——人民币汇率X3——建筑业总产值X4——商品房销售额X5——黄金价格X6——人均生产总值五、模型的检验、诊断和修正（一）回归方程拟合优度检验、回归方程显著性检验和回归系数显著性检验1、拟合优度检验由表可知，修正R2=0.889，说明样本的拟合优度很好。
股票成交量与收益率序列相关性研究——来自中国股市的实证证据
股票成交量与收益率序列相关性研究——来自中国股市的实证证据股票成交量与收益率序列相关性研究——来自中国股市的实证证据摘要：本文旨在研究中国股票市场中成交量与收益率序列的相关性。
通过对中国A股市场的实证分析，使用了大量的市场数据，并运用相关统计方法来检验成交量与收益率序列之间的相关性。
研究结果表明，成交量与收益率之间存在着一定的正相关关系，即成交量的增加往往伴随着股票收益率的增加。
进一步探究影响成交量与收益率相关性的因素，本文发现市场的波动率、市场的整体活跃度以及市场的流动性都会对成交量与收益率的相关性产生影响。
关键词：股票市场、成交量、收益率、相关性、波动率、活跃度、流动性一、引言股票市场是一种充满变化与不确定性的市场，分析股票市场具有重要意义。
成交量和收益率是衡量股票市场重要指标，成交量反映了市场的活跃度，而收益率则代表了股票的盈利能力。
成交量与收益率之间的关系一直备受学者们的关注。
通过研究成交量与收益率之间的关系，可以更好地理解市场的运作机制，同时也为投资者提供了一种评估投资风险和预测未来收益的方法。
二、成交量与收益率的相关性研究1. 以成交量为导向的模型一种常见的研究方法是以成交量为导向，认为成交量的变化会影响股票的收益率。
这种观点认为，成交量的增加说明市场参与者对特定股票或市场整体的信心增加，从而推动股票价格上涨，产生正收益率。
相反，成交量的减少可能意味着市场参与者对未来的不确定性增加，导致股票价格下跌，产生负收益率。
2. 以收益率为导向的模型另一种研究方法是以收益率为导向，认为股票市场的收益率变化会影响成交量的大小。
这种观点认为，市场参与者对未来收益的预期会影响他们对股票的购买或出售决策，从而影响成交量的大小。
如果市场参与者对未来收益持乐观态度，他们更愿意购买股票，从而增加成交量。
相反，如果市场参与者对未来收益持悲观态度，他们更愿意出售股票，从而减少成交量。
三、中国股票市场数据与实证分析本研究使用了中国A股市场的相关数据，包括成交量和股票收益率数据。
第二十三章 SPSS在股票市场应用举例.讲述
23.1 研究背景及目的
• 23.1.1研究背景 • 对于资产定价的研究，可以归结于如何找到解释
证券收益及其风险溢价的因子。Sharpe 和Lintner 的资本资产定价模型(以下简称CAPM) 、Ross 的 套利定价模型(以下简称APT) 、Fama 和French 的多因子定价模型(以下简称FF 多因子模型)等都 是经典之作。从因子的表现形式来看， CAPM属 于单因子模型， 它把市场投资组合收益作为解释 因子； FF 多因子模型则属于多因子模型，它是 在CAPM模型基础上引入了公司规模(以下简称 Size) ，公司帐面值与市值比(以下简称BE/ME) 等 因子。APT 则是从套利角度出发的定价模型。
23.2 研究方法
• 本案例的分析思路如下，搜集了从1999年1月份
到2009年9月份我国上海证券市场所有上市公司 的月度收益率数据。本案例按照FF模型的方法将 上海证券市场的股票根据MV（市场价值）和BM （账面价值）分为六组SL、、SM、SH、BL、BM、 BH。首先利用描述性分析对六个证券组合进行了 一系列描述性分析，以便对整个投资组合收益率 形成直观的印象，然后利用一元线性回归对单因 素模型进行建模分析，分析单因素模型在我国证 券市场的表现以及贝塔值的显著性，最后利用多 元线性回归分析来对三因素模型来建模分析，分 析三因素模型中SMB与HML的显著性。 采用的数据分析方法主要有： 描述性分析、回归分析
• 3、SMB 因子的解释力度比HML 因子要大。 • SMB 是Size 因子的模拟组合收益率而HML 是
BE/ME 因子的模拟组合收益。从对FF模型回归的 结果统计来看，我们发现SMB组合收益率的显著 性概率值Prob(SMB)大部分在5%的水平上拒绝了 显著为零的原假设，只有一个投资组合收益率序 列的结果没有拒绝为零的原假设；而HML组合收 益率的显著性概率值Prob(SMB)却只有四个在5% 的水平上拒绝了显著为零的原假设，有两个投资 组合收益率序列的结果没有拒绝为零的原假设。 这说明了SMB 因子的解释力度比HML 因子要大， 对于本文模型的解释力度而言，市场收益最大， SMB 因子次之，最后才是HML 因子。这与Fama 和French的最初设计完全吻合。
股票成交量与收益率序列相关性研究——来自中国股市的实证证据
股票成交量与收益率序列相关性研究——来自中国股市的实证证据股票成交量与收益率序列相关性研究——来自中国股市的实证证据摘要：本文通过分析中国股市的实证数据，研究了股票成交量与收益率序列之间的相关性。
研究发现，股票成交量与收益率序列之间存在一定程度的相关性，并且具有一定的时间滞后效应。
同时，股票成交量与收益率序列之间的相关性还受到市场波动性的影响。
这一研究结果对于投资者制定投资策略以及对市场风险进行有效管理具有一定的指导意义。
关键词：股票成交量，收益率，相关性，时间滞后效应，市场波动性引言：股票成交量与收益率之间的关系一直以来是金融学界的一个热门研究领域。
股票成交量是市场上股票买卖的数量，而收益率是衡量股票价格变化的一种指标。
研究股票成交量与收益率之间的相关性，对于理解股票市场的运行机制，帮助投资者制定投资策略，对市场风险进行有效管理具有重要意义。
本文通过分析中国股市实证数据，探索股票成交量与收益率序列之间的相关性，并进一步探讨其影响因素。
方法：本文选取了2005年至2015年中国股市上市公司的日交易数据作为样本，包括股票成交量、收益率以及市场波动性等指标。
首先，计算股票成交量与收益率序列之间的相关系数，并进行统计显著性检验。
其次，采用时间滞后模型，探讨股票成交量与收益率之间的时间滞后效应。
最后，考虑市场波动性的影响，进一步分析股票成交量与收益率序列之间的相关性。
结果与讨论：研究结果显示，中国股票成交量与收益率序列之间存在一定程度的相关性。
具体而言，股票成交量与股票收益率之间呈正相关关系，即成交量增加时，收益率也随之增加。
但这种相关性受到一定的时间滞后效应的影响，即成交量变化的影响在一定时间后才会显现在收益率上。
这表明股票成交量可以作为预测股票收益率的一个重要指标。
进一步分析发现，市场波动性对股票成交量与收益率之间的相关性起到了调节作用。
在市场波动性较小的时期，股票成交量与收益率的相关性较弱；而在市场波动性较大的时期，股票成交量与收益率的相关性较强。
SPSS在股票市场应用 第三章
• SPSS的观测量按行概述(Case Summaries)
功能是可以获得变量行形式表达的统计量 输出报告，从而为更深入的对数据进行统 计分析做好准备。
• SPSS的观测量概述(Case Summaries)功能
是将数据的实际统计量以列表的形式显示 出来，从而提高统计分析的效能。
3.2.1 观测量按行概述报告分析的功 能与意义
• SPSS的观测量按行概述(Case Summaries)
功能是可以获得变量行形式表达的统计量 输出报告，从而为更深入的对数据进行统 计分析做好准备。
第三章 统计分析报告实例
• 我们在对数据进行分析处理时，经常需要
进行一系列含有多种统计量的报告，以获 得一些有价值的信息，从而便于研究者做 进一步的更加深入的分析。最常用的统计 报告有观测量概述、观测量按行概述报告、 观测量按列概述报告等。下面我们将一一 介绍这些方法的功能和意义。
3.1.1 观测量概述分析的功能与意义
SPSS与证券投资分析
2005-2-24
0.0022 1,307.04 1,309.95 25,144,256.00 1,178,464.83 1,310.97 1,296.98
2005-2-25
0.0008 1,311.37 1,312.45 29,964,602.00 1,448,264.77 1,328.53 1,311.21
2005-3-4
-0.0050 1,294.16 1,287.71 12,677,368.00 640,407.20 1,299.60 1,286.48
2005-3-7
0.0041 1,288.41 1,293.74 12,321,074.00 641,216.30 1,296.88 1,287.74
2005-2-28
-0.0041 1,311.44 1,306.00 20,024,188.00 1,044,340.63 1,315.14 1,298.93
2005-3-1
-0.0014 1,305.25 1,303.41 16,556,229.00 819,663.84 1,308.76 1,295.64
2005-3-16
-0.0090 1,267.05 1,255.59 16,746,570.00 857,348.29 1,268.19 1,247.89
2005-3-17 2005-3-18 2005-3-21 2005-3-22 2005-3-23 2005-3-24 2005-3-25 2005-3-28 2005-3-29 2005-3-30 2005-3-31 2005-4-1 2005-4-4 2005-4-5 2005-4-6 2005-4-7 2005-4-8 2005-4-11 2005-4-12 2005-4-13 2005-4-14 2005-4-15 2005-4-18 2005-4-19 2005-4-20 2005-4-21 2005-4-22 2005-4-25 2005-4-26 2005-4-27 2005-4-28 2005-4-29 2005-5-9 2005-5-10 2005-5-11 2005-5-12 2005-5-13 2005-5-16 2005-5-17 2005-5-18 2005-5-19 2005-5-20
基于SPSS的股票选取策略
基于SPSS的股票选取策略作者：马奔来源：《经济研究导刊》2013年第07期摘要：利用SPSS软件对沪深股市的13只股票进行分析，先对它们进行主成分分析进行降维，再利用聚类分析法进行分类，从中选取具有高成长和盈利能力的股票组合。
研究结果表明，该选取策略更加科学规范，对机构投资者和散户的投资有指导意义。
关键词：SPSS；股票；主成分分析；聚类分析中图分类号：F830.9 文献标志码：A 文章编号：1673-291X（2013）07-0078-03引言证券投资分析有三种基本方法，基本面分析、技术分析与组合投资分析。
在投资实践过程中，技术分析对长期趋势判断无效且存在“技术骗线”的风险，具有一定的局限性，本文量化基本面分析并与组合投资分析相结合，提出新的投资分析方法，选取了多个上市公司的财务指标，可以比较全面的反映公司的盈利水平和成长能力。
由于反映公司投资价值的指标太多，可以先用主成分分析进行降维，同时依据同一类中的股票个体有较大的相似性，不同类中的个体差异很大，根据主成分分析得到的结果对选中的13只股票进行聚类分析，产生三个分类结果。
一、主成分分析体系的建立采用主成分分析，该方法可以将原来众多的具有一定相关性的指标，重新组成一组新的相互无关的综合指标来代替原来指标。
实际问题中，在不损失太多信息的情况下，选前几个方差最大的主成分来代替原指标，既起到了降维的作用又抓住了主要矛盾，有利于问题的分析与研究。
（一）财务指标的选取财务指标可以反映一个公司是否具有中长期的投资价值，本文从盈利能力、偿债能力、成长能力三方面选取财务指标。
1.盈利能力。
净资产收益率= 净利润/平均净资产；每股收益= 净利润/期末总股本。
这两个指标均为正向指标。
2.偿债能力。
流动比率= 期末流动资产/期末流动负债；速动比率= 期末速动资产/期末流动负。
这两个指标为适度指标。
3.成长能力。
流通股本；每股净资产= 期末净资产期末/总股本；每股公积金= 期末资产公积金/期末总股本；每股未分配利润= 末分配利润/期末总股本；流通股本是逆向指标，其余均为正向指标。
spss股票投资
基于SPSS的股票投资分析[内容摘要]中国证券市场作为一个新兴的证券市场，从2001年以来，市场环境发生了重大的变化。
而市场环境的变化又导致盈利模式、投资策略和操作理念等诸多方面发生了深刻的变化。
投资者开始对价格操纵型的市场盈利模式进行反思。
SPSS软件作为全球专业统计软件的领导者，具备强大的统计分析功能，在各行各业均有深入广泛的应用。
而证券投资离不开浩如烟海的数据，更需要复杂，高深的统计技术，正是SPSS大显身手之处。
本文将基于SPSS Statistics21版本，将证券投资关注的几个问题，包括股票收益的分析；同一公司股票收益情况显著性分析；不同公司，不同时间收益情况的方差分析；股票财务指标的因子分析；股票之间的聚类分析等等，都在SPSS上予以实现，从中获得有益的结论，并为股民提供投资建议。
[关键词]SPSS股票投资方差分析因子分析聚类分析中国证券业自二十世纪九十年代至今正在迅速发展壮大，随着我国市场经济建设的不断发展，人们的金融投资意识也在日益加强，越来越多的投资者把目光放到了证券市场。
但是由于我国起步较晚，证券业在发展中也存在不少问题。
投资者往往只注重短期投资而忽略了长期投资。
没有一个理性的投资态度很难在投资中获得收益。
所以想在证券投资中获得回报就得认真的分析上市公司的过去的业绩并推测出未来的发展，找出具有投资价值的股票，进行长期投资。
一、股票收益情况分析在证券投资分析中，首先关心的当然是整个股票市场的收益情况。
了解清楚一段时内股票行情的走势，收益率的数字特征等等有助于我们作出正确决策或进一步进行分析。
为此，收集了沪深300指数2015年1月16日至2015年6月30日共119个交易日的资料，数据见附表一。
（一）行情走势的描述为了直观地了解这段时间内股价的波动，同时给出每天收盘价与最高价，最低价的相对位置，用SPSS里专门的高低收盘图来描绘股价的轨迹，用时序图来对比开盘价与收盘价。
如图1，图2所示。
SPSS在证券分析中的应用
． ０ ０３
３ 单 因素 方差分 析 ． ６ 方差 分 析 是 在 可 以 比较 的数 组 中， 数 据 间 把 的 总“ 差异 ” 指定 的变差 来 源进 行分 解 的 一种 技 按
图 １ 沪 深 股 市 涨 跌 幅 度 的 均 值 周 效 应 比 较 图
通 过沪 深股 市涨 跌 幅度 的均值 周 效应 比较可 以看 出 ， 沪深 股市 在星 期二 、 四涨跌 幅度 的均值 明 显 小于 ０ 即为下 跌 ， 星期 一 、 、 涨 跌 幅度 的 ， 在 三 五 均 值 明显大 于 ０ 即表现 为上 涨． ， ３ 方 差周 内效 应 比较 图 ． ４
量 Ｆ 应 接 近 于 １ Ｆ％ Ｆ ＿ （ ｄｂ ｄｗ） ＞ ０ ０ ， ， ０ｓ （ ｆ ，ｆ ， ０ ． ５
显不 同于其 余交 易 日． 内外 许 多学 者 对 股 票 指 国
数 的 日历 效 应 进 行 了 大 量 研 究． 于周 内 效 应 ， 对
Ｈａ ｒｓ １ ８ ） Ｋｅｍ ｎ ｔ ｍｂ ｕ ｈ（ ９ ４ 、 ｍ ｒ ｉ （ ９ ６ 、 ｉ ａ ｄ Ｓ ａ ａ ｇ １ ８ ） Ｋｉ
表 ２ 方 差 齐 性 检 验
交易所
上 海
来 自均值 不 同的总体 ． 本均值 不 同 ， 虑其 差 异 样 考
是 否 具有 统计 意义【 ．
Ｌ ｖｎ ｅ ｅ ｅ统 计 量
２５ ． ３１
ｄ１ ，
４
ｄ ２ ｆ
５７ ９
显 著 性
． ４ ００
深圳
４０８ ． ０
４
５７ ９
第 ２ ６卷 第 ４期
２１ ０ ２年 ７月
甘 肃联 合 大 学 学 报 （ 自然科 学版 ）
SPSS相关分析报告案例讲解要点
相关分析、两个变量的相关分析：Bivariate1相关系数的含义相关分析是研究变量间密切程度的一种常用统计方法。
相关系数是描述相关关系强弱程度和方向的统计量，通常用r表示。
①相关系数的取值范围在-1和+1之间，即：—W r< 1o②计算结果，若r为正，则表明两变量为正相关；若r为负，则表明两变量为负相关。
③相关系数r的数值越接近于1 ( -1或+1)，表示相关系数越强；越接近于0,表示相关系数越弱。
如果r=1或-，则表示两个现象完全直线性相关。
如果=0，则表示两个现象完全不相关(不是直线相关)④r 0.3，称为微弱相关、0.3 0.5，称为低度相关、0.5 r 0-8，称为显著(中度)相关、0.8 1，称为高度相关⑤r值很小，说明X与丫之间没有线性相关关系，但并不意味着X与丫之间没有其它关系，如很强的非线性关系。
⑥直线相关系数一般只适用与测定变量间的线性相关关系，若要衡量非线性相关时，一般应采用相关指数R o2 •常用的简单相关系数(1)皮尔逊(Pearson )相关系数皮尔逊相关系数亦称积矩相关系数, 1890年由英国统计学家卡尔？皮尔逊提出。
定距变量之间的相关关系测量常用Pearson系数法。
计算公式如下:n(X i x)(y i y)i 1m nI 2 2J (X i X) (y i y)V i 1 i 1(1)式是样本的相关系数。
计算皮尔逊相关系数的数据要求：变量都是服从正态分布，相互独立的连续数据；两个变量在散点图上有线性相关趋势；样本容量n 30。
(2)斯皮尔曼(Spearman )等级相关系数Spearman 相关系数又称秩相关系数，是用来测度两个定序数据之间的线性 相关程度的指标。
当两组变量值以等级次序表示时，可以用斯皮尔曼等级相关系数反映变量间 的关系密切程度。
它是根据数据的秩而不是原始数据来计算相关系数的，其计算对连续数据的排秩、对离散数据的排序，利用每对数据等级的差额及（2）式中，g 为等级相关系数；d 为每对数据等级之差；n 为样本容量。
SPSS数据分析：影响股票成交金额趋势变动的因素分析
1992——2009年影响股票成交金额趋势变动的因素分析学院工商管理专业班级人力资源0910学生姓名赵飞飞学号0802091033一、选题理由从1990年12月上海证券交易所成立以来，我国股票市场在20年左右的时间里，取得了长足的进步，越来越多的股民参与其中，股票投资已经成为我国投资者必不可少的投资手段之一，股市的涨跌变得与人们的生活息息相关。
股票成交金额指在进行股票交易过程中，买入（或卖出）股票时，买卖双方根据有关交易规则达成交易的金额。
因此，研究历年股票成交金额对于投资者来说具有较好的借鉴意义，能够提供一些投资决策的依据。
作为股票投资的爱好者，我想通过对1992——2009年我国股票成交金额的趋势变动及其影响因素进行分析，找出其中主要的影响因素，并对投资决策提出一些意见和建议。
二、变量选取影响股票成交金额变动的因素有很多，基本上可以归结为四个层面：宏观经济层面、微观经济层面、市场层面、政策层面。
宏观经济层面主要包括经济增长、利率、财政收支、货币供应量、物价、国际收支等。
微观经济层面主要是上市公司的财务状况。
市场层面主要是指市场的供给和需求，即股票的发行总量和资金总量。
政策层面主要是指足以影响股票价格变动的国内外重大活动及政府的政策措施。
在变量的选取上，我们遵循全面、可量化、数据易获得性选取股票成交金额（亿元）作为被解释变量，选取了6个解释变量：上证综指（收盘价）、人民币汇率（年平均价，100美元对人民币）、建筑业总产值（亿元）、商品房销售额（亿元）、黄金价格（美元/盎司）、人均生产总值（亿元）。
说明：因为我们要分析的被解释变量是股票成交金额，是综合反映股票市场上所有公司股票成交金额总体变化趋势的指标。
在微观层面上我们不可能把每一个公司的财务状况拿来分析，在政策层面上也不可能拿政策、措施作为解释变量，因为它们是不可量化的。
因此我们选取了上述6个经济指标作为解释变量进行进一步的分析。
三、数据的收集与整理四、多元统计分析模型的建立设定模型如下：Y=B0+B1X1+B2X2+B3X3+B4X4+B5X5+B6X6其中，被解释变量：Y——股票成交金额解释变量：X1——上证综指X2——人民币汇率X3——建筑业总产值X4——商品房销售额X5——黄金价格X6——人均生产总值五、模型的检验、诊断和修正（一）回归方程拟合优度检验、回归方程显著性检验和回归系数显著性检验1、拟合优度检验由表可知，修正R2=0.889，说明样本的拟合优度很好。