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 Vs。结果并查看相关性的箱线图。 但是，对 100 列进行目视检查非常困难。
有没有办法使该过程自动化。
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，
能分享一下宏吗 一段时间以来，我一直在尝试创建类似的东西。
我的电子邮件是：swami.kunal@yahoo.com
我还有一组实用宏
我不知道它们是否对您有用，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——除了我的挑战并不总是针对“结果”栏提出的。我经常被问到的问题是，“什么列组合 [变量、属性，随便你怎么称呼它们] 在数据中最普遍？”我考虑了以下技术：决策树、聚类分析和回归类型的方法。所有这些都需要某种“目标”或因变量。我感兴趣的只是数据是如何在大量变量之间分布的——这些变量的哪种组合是密度（案例数）最大的？
我可能不会帮助你，seshadri，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最小相关的变量集。 该宏已参数化，因此您可以提供定义（多重共线性的最小相关性）、所考虑变量相关性的下限阈值以及要报告的变量数。
如果你想要代码，它是免费的。 只需给我发一条消息，我就会将宏通过电子邮件发送给您（以及可能发现它有用的任何其他人）。
回复：识别与单个列最相关的列Seshardi 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 对此非常有帮助。 George Hurley 在 2012 年 NESUG 会议上发表了一篇关于 JMP 中 Bootstrap Forest 的论文——这是 Lex Jansen 链接： http://www.lexjansen.com/mwsug/2012/JM/MWSUG-2012-JM04.pdf . 我在 NESUG 的 Base SAS 中做过关于 Bootstrap Forest 的演讲，但我知道你在 JMP 工作。 我的 NESUG 演示文稿只是我连夜写的一个子集，用于填补一位不幸不得不取消的作者；我认为它不在会议记录中，但我会在接下来的几天内发布有关它的幻灯片。
如果您想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。如果你想永久使用它，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。这也是一个更改，如果您“将脚本保存到数据表”，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，这很容易做到，使用 PROC CORR。 将相关性输出到一个数据集，取相关性的绝对值，然后排序。
但是，我处理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，您会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排名第二或第三的变量在相关性方面“没有统计差异”。 结果可能是这三个相关性都与一个现象有关，或者根据第一原理知识，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揭示此信息。
因此，虽然查看“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，负载的条形图将提供您可以直观地了解哪些过程变量 S（复数）与您的响应高度相关。 PLS 在制造过程变量上的使用是一个很大的研究领域，有许多关于它的期刊文章，以及许多成功的应用。
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。 您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，但你应该牢记这一点。
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。
