SPSS中的非参数相关系数：股票指数高度相关分析

在"非参数相关系数表-labview宝典"这篇文章中，主要探讨了SPSS在简单相关分析中的非参数方法应用，特别是Kendall和Spearman相关系数的使用。这两种非参数检验方法对于评估两个变量之间的关系尤其适用于数据不满足正态分布或变量之间不存在线性关系的情况。表7-5中的数值展示了两个股票指数（如道琼斯工业平均指数和标准普尔指数）的高度正相关，其Kendall系数为0.994，Spearman系数为0.985，这两个系数均接近1，表明二者之间的关联强度非常强。然而，它们的系数小于传统的Pearson相关系数，这是因为秩变换或数据分类可能导致部分信息的丢失。 在SPSS数据分析的准备阶段，文章详细介绍了如何建立数据文件。首先，用户可以通过【File】菜单新建数据文件，进行直接数据输入。SPSS支持多文件操作，使得在不同文件间切换更为便捷。其次，可以直接打开已有的数据文件，包括Excel、数据库或文本文件。例如，通过文本向导功能导入股票指数数据，如上证指数，可以从2007年至2008年的历史数据中提取开盘价、最高价、最低价和收盘价等信息。 实例分析部分，通过实际步骤指导读者如何导入文件2-1.xls中的股票数据到SPSS中，以进行后续的相关性分析。通过这个过程，用户可以了解数据导入的具体步骤，包括打开对话框、选择文件并执行相应的导入操作。 这篇文章不仅介绍了非参数相关系数在金融领域的应用，还提供了实用的SPSS操作技巧，使得用户能够在处理非正态分布数据或者寻找非线性关系时，运用这些统计方法进行有效的分析。