Zapewnia szybki spos\u00f3b zrozumienia si\u0142y zale\u017cno\u015bci liniowych istniej\u0105cych mi\u0119dzy zmiennymi w zbiorze danych.<\/span><\/p>\n Za pomoc\u0105 instrukcji PROC CORR<\/strong> w SAS-ie mo\u017cesz utworzy\u0107 macierz korelacji dla danego zbioru danych:<\/span><\/p>\n Domy\u015blnie spowoduje to utworzenie macierzy wy\u015bwietlaj\u0105cej wsp\u00f3\u0142czynniki korelacji pomi\u0119dzy wszystkimi zmiennymi numerycznymi w zbiorze danych.<\/span><\/p>\n Aby uwzgl\u0119dni\u0107 w macierzy korelacji tylko okre\u015blone zmienne, mo\u017cna skorzysta\u0107 z instrukcji VAR<\/strong> :<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak utworzy\u0107 macierz korelacji w SAS-ie.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105cy zbi\u00f3r danych w SAS-ie, kt\u00f3ry zawiera informacje o r\u00f3\u017cnych koszykarzach:<\/span> <\/p>\n Mo\u017cemy u\u017cy\u0107 instrukcji PROC CORR,<\/strong> aby utworzy\u0107 macierz korelacji, kt\u00f3ra domy\u015blnie zawiera ka\u017cd\u0105 zmienn\u0105 numeryczn\u0105 w zbiorze danych:<\/span> <\/p>\n Dane wyj\u015bciowe wy\u015bwietlaj\u0105 statystyki podsumowuj\u0105ce zmiennych numerycznych w pierwszej tabeli wraz z macierz\u0105 korelacji.<\/span><\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce zmienna \u201ezesp\u00f3\u0142\u201d nie zosta\u0142a uwzgl\u0119dniona w macierzy korelacji, poniewa\u017c nie by\u0142a zmienn\u0105 liczbow\u0105.<\/span><\/p>\n Oto jak interpretowa\u0107 warto\u015bci macierzy korelacji:<\/span><\/p>\n (1)<\/strong> Wsp\u00f3\u0142czynnik korelacji Pearsona (r) pomi\u0119dzy asystami<\/strong> i zbi\u00f3rkami<\/strong> wynosi -0,24486<\/strong> . Odpowiednia warto\u015b\u0107 p wynosi 0,5589<\/strong> .<\/span><\/p>\n Poniewa\u017c r jest mniejsze od zera, m\u00f3wi nam to, \u017ce pomi\u0119dzy tymi dwiema zmiennymi istnieje ujemna zale\u017cno\u015b\u0107 liniowa. Jednak\u017ce warto\u015b\u0107 p jest nie mniejsza ni\u017c 0,05, wi\u0119c korelacja ta nie jest istotna statystycznie.<\/span><\/p>\n (2)<\/strong> Wsp\u00f3\u0142czynnik korelacji Pearsona (r) pomi\u0119dzy asystami<\/strong> i punktami<\/b> wynosi -0,32957<\/strong> . Odpowiednia warto\u015b\u0107 p wynosi 0,4253<\/strong> .<\/span><\/p>\n Istnieje negatywna zale\u017cno\u015b\u0107 liniowa pomi\u0119dzy tymi dwiema zmiennymi, ale nie jest ona istotna statystycznie.<\/span><\/p>\n (3)<\/strong> Wsp\u00f3\u0142czynnik korelacji Pearsona (r) pomi\u0119dzy zbi\u00f3rkami<\/b> i punktami<\/b> wynosi -0,52209<\/strong> . Odpowiednia warto\u015b\u0107 p wynosi 0,1844<\/strong> .<\/span><\/p>\n Istnieje negatywna zale\u017cno\u015b\u0107 liniowa pomi\u0119dzy tymi dwiema zmiennymi, ale nie jest ona istotna statystycznie.<\/span><\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce mo\u017cemy r\u00f3wnie\u017c u\u017cy\u0107 instrukcji VAR<\/strong> , aby uwzgl\u0119dni\u0107 w macierzy korelacji tylko okre\u015blone zmienne numeryczne:<\/span> <\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce w tej macierzy korelacji uwzgl\u0119dniono jedynie zmienne asyst<\/strong> i zbi\u00f3rek<\/strong> .<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w SAS-ie:<\/span><\/p>\n Jak utworzy\u0107 macierz wykresu rozrzutu w SAS-ie<\/a> Macierz korelacji to kwadratowa tabela pokazuj\u0105ca wsp\u00f3\u0142czynniki korelacji pomi\u0119dzy zmiennymi w zbiorze danych. Zapewnia szybki spos\u00f3b zrozumienia si\u0142y zale\u017cno\u015bci liniowych istniej\u0105cych mi\u0119dzy zmiennymi w zbiorze danych. Za pomoc\u0105 instrukcji PROC CORR w SAS-ie mo\u017cesz utworzy\u0107 macierz korelacji dla danego zbioru danych: \/*create correlation matrix using all numeric variables in my_data*\/ proc corr data =my_data; run […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-4531","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"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 Przyk\u0142ad: Tworzenie macierzy korelacji w SAS-ie<\/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![\"macierz](\"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 Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak tworzy\u0107 tabele przestawne w SAS-ie<\/a>
Jak obliczy\u0107 wsp\u00f3\u0142czynnik inflacji wariancji (VIF) w SAS<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"