论文里变量相关性分析必须汇报吗

问：相关性分析不通过可以不放进论文吗?

1. 答：相关性分析不通过可以不放，但毕业论文最好要放，对相关性分析不显著结果需要进行合理解释。
   一般期刊论文不放的，因为篇幅有限。但是作为一个规范，会做这个检验，只是不在论文里面贴出来。一般实证论文中，相关性分析主要用途在于检查回归模型中自变量是否具有严重的多重共线性。

问：论文答辩 需要说描述性统计 相关性分析吗

1. 答：相关分析只是粗略得到了两个变量的关联程度或者说共变异程度，只检验的变量间关系的强度，但没涉及变量间具体影响关系或者路径的检验，通常只被视为是一种描述性的分析。比如我们得到收入和能力的相关，这说明二者有关联，但究竟是能力影响收入，还是反过来，相关分析是不检验这个的。
   回归可以同时用于检验变量间关系的强度和方向。而且回归还有个好处是但凡进入回归方程的变量，就可以视为是对该变量的效应有所控制，所以回归得到的变量关系时控制了其他无关变量之后的，得到的变量关系要比相关分析更为准确。

问：回归分析之前必须进行相关分析吗

1. 答：1、如果你是实际处理问题，做回归也不大需要进行相关分析，回归系数本身就反映了变量之间的相关，而且较普通的pearson相关来说更准确。
   2、但如果你是做科研写论文，相关分析这一步还是不可省略的。这一部分通常和描述统计写在一起，包括做出相关系数表格以及简单分析结果，让读者对于你研究的这些变量的关系有一个初步的大致的了解。
2. 答：可有可无，回归里已经含相关分析了
3. 答：常见的回归分析方法有以下6种：
   1、线性回归方法：通常因变量和一个（或者多个）自变量之间拟合出来是一条直线（回归线），可以用一个普遍的公式来表示：Y（因变量）=a*X（自变量）+b+c，其中b表示截距，a表示直线的斜率，c是误差项；
   2、逻辑回归方法：通常是用来计算“一个事件成功或者失败”的概率，此时的因变量一般是属于二元型的（1 或0，真或假，有或无等）变量。以样本极大似然估计值来选取参数，而不采用最小化平方和误差来选择参数，所以通常要用log等对数函数去拟合；
   3、多项式回归方法：通常指自变量的指数存在超过1的项，这时候最佳拟合的结果不再是一条直线而是一条曲线；
   4、岭回归方法：通常用于自变量数据具有高度相关性的拟合中，这种回归方法可以在原来的偏差基础上再增加一个偏差度来减小总体的标准偏差；
   5、套索回归方法：通常也是用来二次修正回归系数的大小，能够减小参量变化程度以提高线性回归模型的精度；
   6、回归方法：是Lasso和Ridge回归方法的融合体，使用L1来训练，使用L2优先作为正则化矩阵。当相关的特征有很多个时，不同于Lasso，会选择两个。
   温馨提示：
   1、以上解释仅供参考，不作任何建议。
   2、投资有风险，入市需谨慎。
   应答时间：2021-03-30，最新业务变化请以平安银行官网公布为准。
   [平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~