如何去除 SAS 中高度相关的变量？答案

【问题标题】：How to remove variables that are highly correlated in SAS?如何去除 SAS 中高度相关的变量？
【发布时间】：2016-01-23 15:56:40
【问题描述】：

我有一个数据集，其中有 57 个变量，其中一些变量与其他变量高度相关（corr=1）。 SAS中是否有任何程序可以从相关矩阵中删除高度相关的变量？

【问题讨论】：

所有变量的类型是否相同——数值型、序数型、分类型？
您是否只关心与另一个变量的高相关性或线性组合。 IE v10 = 1 + 5*v8 - 2*v13？

标签： sas

【解决方案1】：

您可以从模型中排除这些变量。例如：

proc glm data=have;
     model y = x1 x2 x3;
run;

如果 x1 和 x2 高度相关，则从模型中删除一个：

proc glm data=have;
     model y = x1 x3;
run;

如果您有很多变量太繁琐而无法输入，您可以使用 drop= 选项直接从数据集中删除它们：

proc glm data=have(drop=x2 x32 x49);
    model y = x1--x57;
run;

-- 选择介于x1 和x57 之间的所有变量，其中x2、x32 和x49 从proc glm 正在读取的数据集中删除。

如果您有一个包含类变量和数值变量的更复杂的模型，您可以结合 SAS 列字典表和宏语言来准确存储您需要的内容。

以下代码将从您的数据集中获取所有字符和数字变量，我们假设它们称为have，并存储在一个名为LIBREF 的库中。我们正在过滤掉我们不想包含的相关变量。请注意，在第二个查询中，我们过滤掉了y。我们总是想在这里过滤掉y 变量，否则我们将创建一个显示y = itself + other factors 的模型。

proc sql noprint;
    select name
    into :classvars separated by ' '
    from sashelp.vcolumn
    where libname = 'LIBREF'
          AND memname = 'HAVE'
          AND type = 'num'
          AND name NOT IN('x3', 'x4')
   ;

   select name
   into :numvars separated by ' '
   from sashelp.vcolumn
   where libname = 'LIBREF'
         AND memname = 'HAVE'
         AND type = 'num'
         AND name NOT IN('y', 'x1', 'x6')
   ;
quit;

您会发现宏变量&numvars 和&classvars 存储了所需的值。现在您无需全部输入！您可以通过运行以下命令并查看日志来检查这一点：

%put CLASS VARIABLES: &classvars;
%put NUMERIC VARIABLES: &numvars;

然后您可以使用这些宏变量运行 proc glm 以仅表示您要建模的变量：

proc glm data=have;
    class &classvars;
    model y = &classvars &numvars;
run;

【讨论】：