相关矩阵显著性标注简介

本脚本旨在利用 Stata 软件快速计算变量间的相关系数矩阵，并对统计显著的相關係數进行自动标注。

功能特点

1. 自动计算：计算指定变量列表之间的 Pearson 相关系数。
2. 显著性检验：同时计算每个相关系数对应的 P 值。
3. 可视化标注：根据预设的显著性水平（如 0.05, 0.01, 0.001），在相关系数旁自动添加星号（, , **）。
4. 灵活输出：支持直接在结果窗口查看（pwcorr）或生成格式化表格（esttab）。

适用场景

• 探索性数据分析（EDA）阶段，快速识别变量间的强相关性。
• 学术论文或报告中需要展示带有显著性检验结果的相关性表格。
• 筛选多重共线性较高的变量。

依赖要求

• Stata 14.0 及以上版本。
• 若使用高级格式化输出，需安装 estout 用户命令 (ssc install estout)。

结果展示说明

本部分描述运行 main.do 后，在 Stata 结果窗口中预期的文字输出形式。

1. 输入指令

用户在 Stata 命令行或 Do-file 编辑器中运行以下命令：

do main.do

• (假设数据集中包含 mpg, price, weight, length 四个连续变量)*

2. 输出内容描述

输出部分 A：基础显著性矩阵 (pwcorr 结果)

系统首先会输出一个对称矩阵。矩阵的对角线为 1.0000。非对角线元素显示相关系数。

• 格式：每个单元格通常包含两行数字（如果使用了 sig 选项），第一行为相关系数，第二行为 P 值。

• 星号标注：如果相关系数通过了显著性检验，系数旁边会紧跟星号。

  • 例如：mpg 与 weight 的相关系数若为 -0.805 且 P < 0.05，则显示为 -0.805*。
  • 若 P < 0.01，则显示为 -0.805**。
  • 若 P < 0.001，则显示为 -0.805***。
  • 若不显著，则无星号。

• 预期文本示例*：

             |      mpg    price   weight   length

- ------------+------------------------------------
   mpg |   1.0000

             |              
       price |  -0.4686*   1.0000
             |   0.0000              
      weight |  -0.8052***  0.5345***  1.0000
             |   0.0000    0.0000              
      length |  -0.7958***  0.5660***  0.9460***  1.0000
             |   0.0000    0.0000    0.0000              

Significance levels: * p<0.05, ** p<0.01, *** p<0.001

输出部分 B：格式化表格 (esttab 结果)

如果脚本中包含 esttab 部分，系统将输出一个更紧凑的表格，通常用于复制到 Word 或 LaTeX。

• 格式：单元格内格式为 相关系数 (P 值)，并根据 P 值大小在系数后附加星号。
• 表头：显示变量名称。

• 标题：显示 "Correlation Matrix with Significance Stars"。

• 预期文本示例*：

- -----------------------------------------------------------
   mpg       price      weight      length
- -----------------------------------------------------------
   mpg                   1.000

price                -0.469*    1.000                         
                    (0.000)                                   
weight               -0.805***  0.535***   1.000              
                    (0.000)    (0.000)                        
length               -0.796***  0.566***   0.946***   1.000   
                    (0.000)    (0.000)    (0.000)             

- -----------------------------------------------------------
   Star levels: * p<0.05, ** p<0.01, *** p<0.001

3. 结论解读

用户通过观察输出结果中的星号数量，即可快速判断变量间的相关性是否具有统计学意义，无需单独查阅 P 值表格。例如，看到 weight 和 length 之间有 0.946***，即可断定两者存在极强的正相关关系且高度显著。