识别与单个列最相关的列<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好，
我有一个带有“结果”列和大约 100 个过程变量列的表。 我想知道哪个过程变量对我的结果影响最大。
一种简单的方法是绘制每个过程变量与。结果并查看相关性的箱线图。 但是，100 列的目视检查非常困难。
有没有办法自动化这个过程。
感谢您的回复。
塞沙德里
回复：识别与单个列最相关的列我也在努力解决这个问题。 如果可能的话，你能把你的宏发给我吗？
我的电子邮件地址：ndongariane20@gmail.com
我会很感激你的。
回复：识别与单个列最相关的列嗨塞沙德里，
可以和我分享一下宏吗？ 我一直在尝试创造这样的东西。
我的电子邮件是：swami.kunal@yahoo.com
我还有一组实用宏
我不知道他们是否会对你有用，但我很乐意分享。
谢谢回复：识别与单个列最相关的列我有一个类似的反复出现的挑战——除了我的并非总是针对“结果”列提出。我经常被问到的问题是，“数据中最普遍的列[变量、属性，无论你想怎么称呼它们] 的组合是什么？”我考虑过以下技术：决策树、聚类分析和回归型方法。所有这些都需要某种“目标”或因变量。我对数据如何在众多变量中分布感兴趣——对于这些变量的哪种组合，密度（病例数）最大？
seshadri，我可能不会帮助你，但在这个类似的问题上也需要指导。我将阅读已经建议的帖子-但如果有人有其他想法，请发布！
谢谢。
回复：识别与单个列最相关的列我有一个宏 %BESTCORR，它计算与因（响应）变量高度相关但彼此相关性最低的变量集。 宏是参数化的，因此您可以提供定义（多重共线性的最小相关性）、所考虑变量的相关性较低阈值以及要报告的变量数。
如果你想要代码，它是免费的。 只需给我发送消息，我会将宏通过电子邮件发送给您（以及任何可能觉得它有用的人）。
回复：识别与单个列最相关的列Sehardi 写道：“我想知道哪个过程变量对我的结果影响最大”。 这不是相关性问题 - 这是最佳变量问题：搜索大量变量以确定要在模型中使用的最有影响因素的简短列表。 有几种方法可以解决这个问题。 我发现 Bootstrap Forest 对这个目的非常有帮助。 George Hurley 在 2012 NESUG 会议上发表了一篇关于 JMP 中的 Bootstrap Forest 的论文 - 这是 Lex Jansen 的链接： http://www.lexjansen.com/mwsug/2012/JM/MWSUG-2012-JM04.pdf . 我在 NESUG 的 Base SAS 中做了一个关于 Bootstrap Forest 的演讲，但我知道你在 JMP 工作。 我的 NESUG 演示文稿只是我为填补不幸不得不取消的作者而写的一个副标题；我不认为它在程序中，但我将在接下来的几天内发布幻灯片。
如果您想要预测适合回归分析的特定结果，您将需要考虑 Raimi 和 Lund 的 XCSTAT 宏： http://www.mwsug.org/proceedings/2011/stats/MWSUG-2011-SA03.pdf . 它目前仅在 SAS 中可用，在 JMP 中不可用。
回复：识别与单个列最相关的列我所做的是使用成对相关选项，然后对平板电脑进行排序。您可以按 pvlue 或相关性本身进行排序，以查看哪个对您最有用。
要获得成对相关性，您可以单击红色三角形并从菜单中选择它。如果您想要永久使用它，请转到文件>>首选项>>平台>>多变量并勾选“成对相关性”框。
要对表进行排序，您只需右键单击成对相关表本身并选择“按列排序”。
不幸的是，我不知道如何让表格默认排序或编写排序脚本。如果您“将脚本保存到数据表”，这也是一个更改，完成后不会记录到脚本中
回复：识别与单个列最相关的列如果你想要最高的相关性，这很简单，使用 PROC CORR。 将相关性输出到数据集，取相关性的绝对值，然后排序。
但是，我使用制造过程数据已经有一段时间了，让我敦促您修改目标。 通常，您将有几个具有相似相关性的变量，并且具有最高相关性的变量可能与第二或第三位的变量在相关性方面“没有统计学差异”。 并且可能会证明这三个相关性都与一个单一现象有关，或者基于第一原理知识，第三个变量最有可能与真正的“原因”有关。 因此，选择最高相关性可能不会显示此信息。
因此，尽管查看“最高相关性”很诱人，但您可能真的想查看几个最高相关性。 您可能想要使用真正考虑到这些想法的建模技术，例如偏最小二乘法 (PROC PLS)，它为您提供了一个向量，指示哪些变量与响应最相关，并且负载的条形图将提供您可以直观地了解哪些过程变量（复数）与您的响应高度相关。 在制造过程变量上使用 PLS 是一个很大的研究领域，有很多关于它的期刊文章和许多成功的应用。
这里的另一个问题是一个或多个异常值的存在会极大地扭曲相关性。 如何在这样的大型数据集中找到异常值？ 这是一个完全不同的问题，但你应该在脑海中思考这个问题。
更新：好的，我给出了 SAS 的答案，我看到你正在使用 JMP，但同样的想法也适用。
