Как рассчитать корреляцию в SAS (с примерами)

Редакция Кодкампа -

Одним из способов количественной оценки связи между двумя переменными является использованиекоэффициента корреляции Пирсона , который измеряет линейную связь между двумя переменными .

Он всегда принимает значение от -1 до 1, где:

  • -1 указывает на совершенно отрицательную линейную корреляцию между двумя переменными
  • 0 указывает на отсутствие линейной корреляции между двумя переменными
  • 1 указывает на совершенно положительную линейную корреляцию между двумя переменными.

Чем дальше коэффициент корреляции от нуля, тем сильнее связь между двумя переменными.

В следующих примерах показано, как использовать proc corr в SAS для расчета коэффициента корреляции между переменными во встроенном наборе данных SAS под названием Fish , который содержит различные измерения для 159 различных рыб, пойманных в озере в Финляндии.

Мы можем использовать proc print для просмотра первых 10 наблюдений из этого набора данных:

/\*view first 10 observations from *Fish* dataset\*/
proc print data =sashelp.Fish ( obs = 10 );

run ;

Пример 1: Корреляция между двумя переменными

Мы можем использовать следующий код для вычисления коэффициента корреляции Пирсона между переменными Высота и Ширина:

/\*calculate correlation coefficient between Height and Width\*/
proc corr data =sashelp.fish;
 var Height Width;

run ;

Первая таблица отображает сводную статистику как для высоты, так и для ширины.

Во второй таблице показан коэффициент корреляции Пирсона между двумя переменными, включая значение p , которое говорит нам, является ли корреляция статистически значимой.

Из вывода мы видим:

  • Коэффициент корреляции Пирсона: 0,79288
  • P-значение: <0,0001

Это говорит нам о наличии сильной положительной корреляции между высотой и шириной и о том, что корреляция является статистически значимой, поскольку значение p меньше α = 0,05.

По теме: Что считается «сильной» корреляцией?

Пример 2: Корреляция между всеми переменными

Мы можем использовать следующий код для вычисления коэффициента корреляции Пирсона между всеми парными комбинациями переменных в наборе данных:

/\*calculate correlation coefficient between all pairwise combinations of variables\*/
proc corr data =sashelp.fish;

run;

На выходе отображается матрица корреляции , которая содержит коэффициент корреляции Пирсона и соответствующие значения p для каждой попарной комбинации числовых переменных в наборе данных.

Например:

  • Коэффициент корреляции Пирсона между весом и длиной1 составляет 0,91644.
  • Коэффициент корреляции Пирсона между весом и длиной2 составляет 0,91937.
  • Коэффициент корреляции Пирсона между весом и длиной3 составляет 0,92447.

И так далее.

Пример 3. Визуализация корреляции с помощью диаграммы рассеяния

Мы также можем использовать функцию plots для создания диаграммы рассеивания для визуализации корреляции между двумя переменными:

/\*visualize correlation between Height and Width\*/
proc corr data =sashelp.fish plots =scatter( nvar =all);;
 var Height Width;

run;

Из графика видно сильную положительную корреляцию между высотой и шириной. С увеличением высоты увеличивается и ширина.

В верхнем левом углу графика мы также можем видеть общее количество использованных наблюдений, коэффициент корреляции и значение p для коэффициента корреляции.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в SAS:

Как создать частотные таблицы в SAS
Как рассчитать описательную статистику в SAS