Fornisce un modo rapido per comprendere la forza delle relazioni lineari esistenti tra le variabili in un set di dati.<\/span><\/p>\n \u00c8 possibile utilizzare l’istruzione PROC CORR<\/strong> in SAS per creare una matrice di correlazione per un determinato set di dati:<\/span><\/p>\n Per impostazione predefinita, verr\u00e0 creata una matrice che visualizza i coefficienti di correlazione tra tutte le variabili numeriche nel set di dati.<\/span><\/p>\n Per includere solo variabili specifiche nella matrice di correlazione, \u00e8 possibile utilizzare l’istruzione VAR<\/strong> :<\/span><\/p>\n L’esempio seguente mostra come creare una matrice di correlazione in SAS.<\/span><\/p>\n Supponiamo di avere il seguente set di dati in SAS che contiene informazioni su vari giocatori di basket:<\/span> <\/p>\n Possiamo utilizzare l’istruzione PROC CORR<\/strong> per creare una matrice di correlazione che includa ogni variabile numerica nel set di dati per impostazione predefinita:<\/span> <\/p>\n L’output visualizza le statistiche riassuntive delle variabili numeriche nella prima tabella insieme a una matrice di correlazione.<\/span><\/p>\n Si noti che la variabile \u201csquadra\u201d non \u00e8 stata inclusa nella matrice di correlazione perch\u00e9 non era una variabile numerica.<\/span><\/p>\n Ecco come interpretare i valori della matrice di correlazione:<\/span><\/p>\n (1)<\/strong> Il coefficiente di correlazione di Pearson (r) tra assist<\/strong> e rimbalzi<\/strong> \u00e8 -0,24486<\/strong> . Il valore p corrispondente \u00e8 0,5589<\/strong> .<\/span><\/p>\n Poich\u00e9 r \u00e8 minore di zero, ci\u00f2 ci dice che esiste un’associazione lineare negativa tra queste due variabili. Tuttavia, il valore p non \u00e8 inferiore a 0,05, quindi questa correlazione non \u00e8 statisticamente significativa.<\/span><\/p>\n (2)<\/strong> Il coefficiente di correlazione di Pearson (r) tra assist<\/strong> e punti<\/b> \u00e8 -0,32957<\/strong> . Il valore p corrispondente \u00e8 0,4253<\/strong> .<\/span><\/p>\n Esiste un’associazione lineare negativa tra queste due variabili ma non \u00e8 statisticamente significativa.<\/span><\/p>\n (3)<\/strong> Il coefficiente di correlazione di Pearson (r) tra rimbalzi<\/b> e punti<\/b> \u00e8 -0,52209<\/strong> . Il valore p corrispondente \u00e8 0,1844<\/strong> .<\/span><\/p>\n Esiste un’associazione lineare negativa tra queste due variabili ma non \u00e8 statisticamente significativa.<\/span><\/p>\n Si noti che potremmo anche utilizzare l’istruzione VAR<\/strong> per includere solo variabili numeriche specifiche nella matrice di correlazione:<\/span> <\/p>\n Si noti che solo le variabili assist<\/strong> e rimbalzi<\/strong> sono state incluse in questa matrice di correlazione.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in SAS:<\/span><\/p>\n Come creare una matrice di grafico a dispersione in SAS<\/a> Una matrice di correlazione \u00e8 una tabella quadrata che mostra i coefficienti di correlazione tra le variabili in un set di dati. Fornisce un modo rapido per comprendere la forza delle relazioni lineari esistenti tra le variabili in un set di dati. \u00c8 possibile utilizzare l’istruzione PROC CORR in SAS per creare una matrice di […]<\/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 Esempio: creazione di una matrice di correlazione 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![\"matrice](\"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 Risorse addizionali<\/strong><\/span><\/h2>\n
Come creare tabelle pivot in SAS<\/a>
Come calcolare il fattore di inflazione della varianza (VIF) in SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"