識別與單個列最相關的列<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />你好，
我有一個帶有“結果”列和大約 100 個過程變量列的表。 我想知道哪個過程變量對我的結果影響最大。
一種簡單的方法是繪製每個過程變量 Vs。結果並查看相關性的箱線圖。 但是，對 100 列進行目視檢查非常困難。
有沒有辦法使該過程自動化。
感謝您的回复。
塞沙德里
回复：識別與單個列最相關的列我也在努力解決這個問題。 如果可能的話，你能把你的宏發給我嗎？
我的電子郵件地址：ndongariane20@gmail.com
我會很感激你的。
回复：識別與單個列最相關的列嗨塞沙德里，
能分享一下宏嗎 一段時間以來，我一直在嘗試創建類似的東西。
我的電子郵件是：swami.kunal@yahoo.com
我還有一組實用宏
我不知道它們是否對您有用，但我很樂意分享。
謝謝回复：識別與單個列最相關的列我有一個類似的反復出現的挑戰——除了我的挑戰並不總是針對“結果”欄提出的。我經常被問到的問題是，“什麼列組合 [變量、屬性，隨便你怎麼稱呼它們] 在數據中最普遍？”我考慮了以下技術：決策樹、聚類分析和回歸類型的方法。所有這些都需要某種“目標”或因變量。我感興趣的只是數據是如何在大量變量之間分佈的——這些變量的哪種組合是密度（案例數）最大的？
我可能不會幫助你，seshadri，但在這個類似的問題上也需要指導。我將閱讀已經建議的帖子——但如果有人有其他想法，請發布！
謝謝。
回复：識別與單個列最相關的列我有一個宏 %BESTCORR，它計算與因（響應）變量高度相關但彼此最小相關的變量集。 該宏已參數化，因此您可以提供定義（多重共線性的最小相關性）、所考慮變量相關性的下限閾值以及要報告的變量數。
如果你想要代碼，它是免費的。 只需給我發一條消息，我就會將宏通過電子郵件發送給您（以及可能發現它有用的任何其他人）。
回复：識別與單個列最相關的列Seshardi 寫道：“我想知道哪個過程變量對我的結果影響最大”。 這不是相關性問題 - 這是最佳變量問題：搜索大量變量以確定要在模型中使用的最有影響因素的簡短列表。 有幾種方法可以解決這個問題。 我發現 Bootstrap Forest 對此非常有幫助。 George Hurley 在 2012 年 NESUG 會議上發表了一篇關於 JMP 中 Bootstrap Forest 的論文——這是 Lex Jansen 鏈接： http://www.lexjansen.com/mwsug/2012/JM/MWSUG-2012-JM04.pdf . 我在 NESUG 的 Base SAS 中做過關於 Bootstrap Forest 的演講，但我知道你在 JMP 工作。 我的 NESUG 演示文稿只是我連夜寫的一個子集，用於填補一位不幸不得不取消的作者；我認為它不在會議記錄中，但我會在接下來的幾天內發布有關它的幻燈片。
如果您想預測適合回歸分析的特定結果，您將需要考慮 Raimi 和 Lund 的 XCSTAT 宏： http://www.mwsug.org/proceedings/2011/stats/MWSUG-2011-SA03.pdf . 它目前僅在 SAS 中可用，在 JMP 中不可用。
回复：識別與單個列最相關的列我所做的是使用成對相關選項，然後對平板電腦進行排序。您可以按 pvlue 或相關性本身進行排序，以查看哪個對您最有用。
要獲得成對相關性，您可以單擊紅色三角形並從菜單中選擇它。如果你想永久使用它，請轉到文件>>首選項>>平台>>多變量並勾選“成對相關性”框。
要對錶進行排序，您只需右鍵單擊成對相關表本身並選擇“按列排序”。
不幸的是，我不知道如何讓表格默認排序或編寫排序腳本。這也是一個更改，如果您“將腳本保存到數據表”，完成後不會記錄到腳本中
回复：識別與單個列最相關的列如果你想要最高的相關性，這很容易做到，使用 PROC CORR。 將相關性輸出到一個數據集，取相關性的絕對值，然後排序。
但是，我處理製造過程數據已經有一段時間了，讓我敦促您修改目標。 通常，您會有幾個具有相似相關性的變量，並且具有最高相關性的變量可能與排名第二或第三的變量在相關性方面“沒有統計差異”。 結果可能是這三個相關性都與一個現像有關，或者根據第一原理知識，第三個變量最有可能與真正的“原因”有關。 因此，選擇最高相關性可能不會揭示此信息。
因此，雖然查看“最高相關性”很誘人，但您可能真的想查看幾個最高相關性。 您可能想要使用真正考慮這些想法的建模技術，例如偏最小二乘法 (PROC PLS)，它為您提供了一個向量，指示哪些變量與響應最相關，負載的條形圖將提供您可以直觀地了解哪些過程變量 S（複數）與您的響應高度相關。 PLS 在製造過程變量上的使用是一個很大的研究領域，有許多關於它的期刊文章，以及許多成功的應用。
這裡的另一個問題是一個或多個異常值的存在會極大地扭曲相關性。 您如何在這樣的大型數據集中找到異常值？ 這是一個完全不同的問題，但你應該牢記這一點。
更新：好的，我給出了 SAS 的答案，我看到你正在使用 JMP，但同樣的想法也適用。
