Es bietet eine schnelle M\u00f6glichkeit, die St\u00e4rke linearer Beziehungen zu verstehen, die zwischen Variablen in einem Datensatz bestehen.<\/span><\/p>\n Sie k\u00f6nnen die PROC CORR-<\/strong> Anweisung in SAS verwenden, um eine Korrelationsmatrix f\u00fcr einen bestimmten Datensatz zu erstellen:<\/span><\/p>\n Standardm\u00e4\u00dfig wird dadurch eine Matrix erstellt, die die Korrelationskoeffizienten zwischen allen numerischen Variablen im Datensatz anzeigt.<\/span><\/p>\n Um nur bestimmte Variablen in die Korrelationsmatrix aufzunehmen, k\u00f6nnen Sie die VAR-<\/strong> Anweisung verwenden:<\/span><\/p>\n Das folgende Beispiel zeigt, wie eine Korrelationsmatrix in SAS erstellt wird.<\/span><\/p>\n Angenommen, wir haben in SAS den folgenden Datensatz, der Informationen \u00fcber verschiedene Basketballspieler enth\u00e4lt:<\/span> <\/p>\n Mit der PROC CORR-<\/strong> Anweisung k\u00f6nnen wir eine Korrelationsmatrix erstellen, die standardm\u00e4\u00dfig jede numerische Variable im Datensatz enth\u00e4lt:<\/span> <\/p>\n Die Ausgabe zeigt zusammenfassende Statistiken der numerischen Variablen in der ersten Tabelle zusammen mit einer Korrelationsmatrix an.<\/span><\/p>\n Beachten Sie, dass die Variable \u201eTeam\u201c nicht in der Korrelationsmatrix enthalten war, da es sich nicht um eine numerische Variable handelte.<\/span><\/p>\n So interpretieren Sie die Korrelationsmatrixwerte:<\/span><\/p>\n (1)<\/strong> Der Pearson-Korrelationskoeffizient (r) zwischen Assists<\/strong> und Rebounds<\/strong> betr\u00e4gt -0,24486<\/strong> . Der entsprechende p-Wert betr\u00e4gt 0,5589<\/strong> .<\/span><\/p>\n Da r kleiner als Null ist, bedeutet dies, dass zwischen diesen beiden Variablen ein negativer linearer Zusammenhang besteht. Da der p-Wert jedoch nicht kleiner als 0,05 ist, ist dieser Zusammenhang statistisch nicht signifikant.<\/span><\/p>\n (2)<\/strong> Der Pearson-Korrelationskoeffizient (r) zwischen Assists<\/strong> und Punkten<\/b> betr\u00e4gt -0,32957<\/strong> . Der entsprechende p-Wert betr\u00e4gt 0,4253<\/strong> .<\/span><\/p>\n Es besteht ein negativer linearer Zusammenhang zwischen diesen beiden Variablen, der jedoch statistisch nicht signifikant ist.<\/span><\/p>\n (3)<\/strong> Der Pearson-Korrelationskoeffizient (r) zwischen Rebounds<\/b> und Punkten<\/b> betr\u00e4gt -0,52209<\/strong> . Der entsprechende p-Wert betr\u00e4gt 0,1844<\/strong> .<\/span><\/p>\n Es besteht ein negativer linearer Zusammenhang zwischen diesen beiden Variablen, der jedoch statistisch nicht signifikant ist.<\/span><\/p>\n Beachten Sie, dass wir die VAR-<\/strong> Anweisung auch verwenden k\u00f6nnten, um nur bestimmte numerische Variablen in die Korrelationsmatrix aufzunehmen:<\/span> <\/p>\n Beachten Sie, dass in dieser Korrelationsmatrix nur die Assists-<\/strong> und Rebounds<\/strong> -Variablen ber\u00fccksichtigt wurden.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie Sie andere h\u00e4ufige Aufgaben in SAS ausf\u00fchren:<\/span><\/p>\n So erstellen Sie eine Streudiagrammmatrix in SAS<\/a> Eine Korrelationsmatrix ist eine quadratische Tabelle, die die Korrelationskoeffizienten zwischen Variablen in einem Datensatz anzeigt. Es bietet eine schnelle M\u00f6glichkeit, die St\u00e4rke linearer Beziehungen zu verstehen, die zwischen Variablen in einem Datensatz bestehen. Sie k\u00f6nnen die PROC CORR- Anweisung in SAS verwenden, um eine Korrelationsmatrix f\u00fcr einen bestimmten Datensatz zu erstellen: \/*create correlation matrix using […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n \/*create correlation matrix using all numeric variables in my_data*\/\n<\/span>proc corr<\/span> data<\/span> =my_data;\nrun<\/span> ;<\/strong><\/span><\/pre>\n \/*create correlation matrix using only var1, var2 and var3 in my_data*\/\n<\/span>proc corr<\/span> data<\/span> =my_data;\n var<\/span> var1, var2, var3;\nrun<\/span> ;<\/strong><\/span><\/pre>\n Beispiel: Erstellen einer Korrelationsmatrix in SAS<\/strong><\/h2>\n
\/*create dataset*\/\n<\/span>data<\/span> my_data;\n input<\/span> team $ assists rebounds points;\n datalines<\/span> ;\nA 4 12 22\nA 5 14 24\nA 5 13 26\nA 6 7 26\nB 7 8 29\nB 8 8 32\nB 8 9 20\nB 10 13 14\n;\nrun<\/span> ;\n\n\/*view dataset*\/\n<\/span>proc print<\/span> data<\/span> =my_data;<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrmat1.png\")
<\/p>\n \/*create correlation matrix using all numeric variables in my_data*\/\n<\/span>proc corr<\/span> data<\/span> =my_data;\nrun<\/span> ;<\/strong><\/span> <\/pre>\n![\"Korrelationsmatrix](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrmat2.png\")
<\/p>\n \/*create correlation matrix using only assists and rebounds variables*\/\n<\/span>proc corr<\/span> data<\/span> =my_data;\n var<\/span> assists rebounds;\nrun<\/span> ;<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/corrmat3.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So erstellen Sie PivotTables in SAS<\/a>
So berechnen Sie den Variance Inflation Factor (VIF) in SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"