Estandarizar variables en SAS

Un paso muy habitual en los procesos de analítica es la estandarización o normalización de variables.  La normalización o estandarización es una técnica muy útil a la hora de comparar datos de diferentes distribuciones o que estén en unidades de medida diferentes.

Consiste en aplicar un cálculo sencillo a la variable objeto de estudio, de forma que conseguimos que los datos de la distribución normalizada tengan una media aritmética de 0 y una desviación típica de 1. 

Z _i= (X_i – media aritmética)/(desv. típica)

Z_i es el valor normalizado y lo obtenemos restando a cada valor original  X_i   la media aritmética y dividiendo el resultado por la desviación típica

Es un paso previo que puede ser necesario en alguno algoritmos tales como la clusterización o las redes neuronales.

Para realizar este proceso en SAS nos basamos en el procedimiento proc standard.
Partimos del siguiente dataset de entrada:

Nos interesa estandarizar las variables: edad, antiguedad y consumo_yyyymm. Para ello:

data clientes1;

set clientes;

s_edad = edad;

s_antiguedad = antiguedad;

s_consumo_201601 = consumo_201601;

s_consumo_201602 = consumo_201602;

s_consumo_201603 = consumo_201603;

run;

PROC STANDARD DATA=clientes1 MEAN=0 STD=1 OUT=clientes2;

  VAR s_edad s_antiguedad s_consumo_201601 s_consumo_201602 s_consumo_201603 ;

RUN;

Tal y como hemos realizado el proceso mantiene las antiguas variables y crea las nuevas estandarizadas:

El proceso también se puede realizar sin necesidad de escribir código utilizando la tarea correspondiente de Enterprise Guide.

Si estás interesado en formarte en SAS, te recomendamos nuestro curso on-line: https://online.datademy.es/course/sas/