Die Aktion `simple.correlation` berechnet Pearson-Produkt-Moment-Korrelationen zwischen numerischen Variablen in einer CAS-Tabelle. Sie bietet auch deskriptive Statistiken, Kovarianzen und andere zugehörige Maße. Diese Aktion ist grundlegend für die explorative Datenanalyse, um die linearen Beziehungen zwischen Variablen zu verstehen.
| Parameter | Beschreibung |
|---|---|
| alpha | Wenn auf True gesetzt, berechnet Cronbachs Alpha-Koeffizienten. |
| attributes | Gibt die Variablenattribute an. |
| casOut | Gibt die Einstellungen für eine Ausgabetabelle an. |
| covariance | Wenn auf True gesetzt, erstellt eine Tabelle der Varianz-/Kovarianzmatrix. |
| csscp | Wenn auf True gesetzt, erstellt eine Tabelle der korrigierten Summe der Quadrate und Kreuzprodukte. |
| descriptiveStats | Wenn auf True gesetzt, werden univariate deskriptive Statistiken für die Analysevariablen generiert. |
| display | Gibt eine Liste von Ergebnistabellen an, die zur Anzeige an den Client gesendet werden sollen. |
| excludeNonPosWgt | Wenn auf True gesetzt, schließt Beobachtungen mit nicht-positiven Gewichtungswerten von der Analyse aus. |
| excludePairStats | Wenn auf True gesetzt, unterdrückt die Anzeige von Statistiken, die mit dem paarweisen Ausschluss von fehlenden Werten verbunden sind. |
| excludeProbs | Wenn auf True gesetzt, unterdrückt die Berechnung der Wahrscheinlichkeiten, die mit jedem Korrelationskoeffizienten verbunden sind. |
| freq | Gibt eine numerische Variable an, die die Häufigkeit des Vorkommens jeder Beobachtung enthält. |
| groupByLimit | Gibt die maximale Anzahl von Stufen in einer Group-By-Menge an. Wenn der Server diese Anzahl von Stufen erreicht, stoppt er und gibt kein Ergebnis zurück. |
| groupbyTable | Gibt eine Eingabetabelle an, die die Gruppen für eine Group-By-Analyse enthält. |
| inputs | Gibt die Eingabevariablen für die Analyse an. |
| listwiseDelMiss | Wenn auf True gesetzt, wird der listenweise Ausschluss auf Beobachtungen mit fehlenden Werten angewendet. |
| outputTables | Listet die Namen der Ergebnistabellen auf, die als CAS-Tabellen auf dem Server gespeichert werden sollen. |
| pairWithInput | Gibt die numerischen Variablen an, mit denen Korrelationen der Variablen des INPUT-Parameters berechnet werden sollen. |
| pearsonOut | Gibt eine Ausgabetabelle an, die die angeforderten Statistiken enthalten soll. |
| rank | Wenn auf True gesetzt, zeigt geordnete Korrelationskoeffizienten an. |
| sscp | Wenn auf True gesetzt, erstellt eine Tabelle der Summe der Quadrate und Kreuzprodukte. |
| table | Gibt die zu verwendende CAS-Eingabetabelle an. |
| topCorrelation | Gibt die Anzahl der anzuzeigenden geordneten Korrelationskoeffizienten an. |
| varianceDivisor | Gibt den Divisor für die Varianz bei der Berechnung von Varianzen und Kovarianzen an. |
| varInfo | Wenn auf True gesetzt, erstellt eine Tabelle mit Variableninformationen. |
| weight | Gibt eine numerische Variable an, die als Gewichtung bei der Berechnung der gewichteten Pearson-Produkt-Moment-Korrelation verwendet wird. |
Diese Anweisungen laden die Tabelle `cars` aus der `sashelp`-Bibliothek in Ihre `mycas`-Caslib, um sie in den Beispielen zu verwenden.
| 1 | DATA mycas.cars; |
| 2 | SET sashelp.cars; |
| 3 | RUN; |
Dieses Beispiel berechnet die Pearson-Korrelationskoeffizienten für die numerischen Variablen `MPG_City`, `MPG_Highway`, `Weight` und `Horsepower` in der Tabelle `mycas.cars`.
| 1 | PROC CAS; |
| 2 | SIMPLE.correlation / |
| 3 | TABLE={name='cars'} |
| 4 | inputs={{name='MPG_City'}, {name='MPG_Highway'}, {name='Weight'}, {name='Horsepower'}}; |
| 5 | RUN; |
Dieses Beispiel berechnet Korrelationen, Kovarianzen und Cronbachs Alpha für eine Auswahl von Variablen. Es verwendet die listenweise Löschung für fehlende Werte (`listwiseDelMiss=true`) und speichert die Pearson-Korrelationsergebnisse in einer neuen CAS-Tabelle namens `corr_results`.
| 1 | PROC CAS; |
| 2 | SIMPLE.correlation / |
| 3 | TABLE={name='cars'} |
| 4 | inputs={{name='MSRP'}, {name='Invoice'}, {name='EngineSize'}, {name='Cylinders'}, {name='Horsepower'}, {name='Weight'}} |
| 5 | listwiseDelMiss=true |
| 6 | covariance=true |
| 7 | alpha=true |
| 8 | pearsonOut={name='corr_results', replace=true}; |
| 9 | RUN; |
Ein Telekommunikationsunternehmen möchte verstehen, welche Faktoren die Kundenzufriedenheit am stärksten beeinflussen. Das Marketing-Team analysiert die Beziehung zwischen dem m...
Eine Smart-Factory sammelt Daten von Tausenden von Sensoren an verschiedenen Maschinentypen. Um prädiktive Wartungsmodelle zu validieren, müssen Ingenieure die Korrelation zwisc...
Eine Bank entwickelt ein neues Kreditrisikomodell basierend auf Umfragedaten zur finanziellen Stabilität. Die Daten sind unvollständig (Nullwerte) und einige Beobachtungen haben...