7.8　用PCA构造准交互变量

我给出一个原创的有价值的PCA用法，用于构造准交互变量（quasi-interaction variable）。我用SAS来实现这个工作，在介绍完构建过程之后提供了这个程序（见7.8.1节）。我们看表7.6中的数据集合IN。其中有两个类别变量：GENDER（假定M代表男性，F代表女性，空白代表没有数据），MARITAL（假定M代表已婚，S代表单身，D代表离婚，空白代表没有数据）。

表7.6　数据集合IN

我重新设定变量，并在空白处填上x。所以，GENDER_和MARITAL_分别是GENDER（性别）和MARITAL（婚姻状况）的修改后的变量（见表7.7）。

表7.7　重设变量之后的数据集合IN

然后，我用SAS程序TRANSREG为GENDER_和MARITAL_创建哑变量，对这两个变量的每个值，都有对应的哑变量。比如，GENDER_=M，哑变量是GENDER_M。参考哑变量用于处理x缺失的值（见表7.8）。

我用GENDER_和MARITAL_哑变量进行PCA，可以得到5个准交互变量：GENDER_x_MARITAL_pc1到GENDER_x_MARITAL_pc5，结果见表7.9，结果留给读者解读。抛开细节不谈，显然PCA是一个强大的数据挖掘方法。

表7.8　使用SAS程序TRANSREG处理GENDER_和MARITAL_哑变量的结果

表7.9　用GENDER_和MARITAL_哑变量产生准交互变量

准交互变量PCA法的SAS程序代码