散點(diǎn)圖在統(tǒng)計(jì)中的作用

相似文件 換一批

是 否 +2 論壇幣

k人 參與回答

經(jīng)管之家送您一份

應(yīng)屆畢業(yè)生專(zhuān)屬福利!

求職就業(yè)群

趙安豆老師微信：zhaoandou666

經(jīng)管之家聯(lián)合CDA

送您一個(gè)全額獎(jiǎng)學(xué)金名額~ !

立即領(lǐng)取

感謝您參與論壇問(wèn)題回答

經(jīng)管之家送您兩個(gè)論壇幣！

+2 論壇幣

    散點(diǎn)圖主要是度量?jī)勺兞筷P(guān)系強(qiáng)弱的最直觀的圖形，雖然三維圖形也在起著類(lèi)似的作用，但就直觀性上仍然不能取代二維圖的效果，不過(guò)在探索多維變量間關(guān)系上提供了非常好的視角，另外比較常用的是偵察相對(duì)回歸面的異常值，尤其具有可視化的優(yōu)勢(shì)，不過(guò)個(gè)人認(rèn)為這并不比二維圖更清晰。至于矩陣圖其本質(zhì)上仍然是二維關(guān)系。

下面從不同的側(cè)重點(diǎn)來(lái)說(shuō)明

1）探索數(shù)據(jù)主體模型

proc sort data=data_anl.performance;by scale;run; proc sgplot data=data_anl.performance;   scatter x=gcharacteristic y=jaim /group=scale;   ellipse x=gcharacteristic y=jaim; run;

散點(diǎn)的相對(duì)疏離程度主要反映在相關(guān)系數(shù)上，其趨勢(shì)狀況是由回歸系數(shù)，或斜率來(lái)反映。    散點(diǎn)分布信息如線性，非線性，提供了統(tǒng)計(jì)模型的多項(xiàng)式信息；而分布的長(zhǎng)短對(duì)應(yīng)數(shù)據(jù)或統(tǒng)計(jì)信息的大小。圖中顯示了線性、且第一組提供的信息更豐富一點(diǎn)（方差大）。     95%的預(yù)測(cè)區(qū)間，給出了數(shù)據(jù)的主體模型，及其可能存在異常值的觀測(cè)信息，如果兩變量s與j線性關(guān)系已經(jīng)確定的話，那么符號(hào)圓點(diǎn)、加號(hào)兩組均有異常案例，其中圓點(diǎn)組有較多的異常。這對(duì)模型的預(yù)測(cè)效果將產(chǎn)生很大的影響。

2）探索模型殘差信息

proc sort data=data_anl.performance;by scale;run; proc sgplot data=data_anl.performance;     title 'reg to fit';     reg y=gcharacteristic x=jaim/group=scale clm cli; run;

第一組數(shù)據(jù)的離散性更大一點(diǎn)，預(yù)示著不同類(lèi)型的異常信息，提示在建模時(shí)對(duì)這些觀測(cè)需多加小心，其中杠桿點(diǎn)最值得關(guān)注。        95%的預(yù)測(cè)區(qū)間和置信區(qū)間，給出了不同組模型的擬合效果，兩組數(shù)據(jù)比較相近，故置信區(qū)間有些重疊，至于模型殘差信息，以第一組為例，紅色箭頭指向的那個(gè)點(diǎn)和藍(lán)色箭頭指向的點(diǎn)，均是較強(qiáng)的杠桿點(diǎn)，但杠桿點(diǎn)所起的效應(yīng)是否會(huì)破壞模型的有效性，需要視OLS估計(jì)的殘差而定，我們知道回歸參數(shù)標(biāo)準(zhǔn)誤來(lái)源于殘差等信息的計(jì)算（正向關(guān)系），因此紅色箭頭點(diǎn)將帶來(lái)的相對(duì)較大的殘差（相對(duì)第一組回歸線而言），如果這種信息超出了一定的規(guī)則，OLS估計(jì)將無(wú)效。    垂直特異性是另一個(gè)值得關(guān)注的異常信息，像第一組的數(shù)據(jù)（最下方的幾個(gè)圓點(diǎn)，包括紅色箭頭指向的點(diǎn)）可能帶來(lái)回歸截距的變化（當(dāng)然回歸線兩邊分布點(diǎn)大致相當(dāng)?shù)脑挸�外），如果�?shù)據(jù)點(diǎn)同時(shí)具有上述兩種特征，那么該數(shù)據(jù)點(diǎn)沒(méi)有理由不處理。

3）探索殘差的相對(duì)信息

	proc sgpanel data=data_anl.performance;   title "Scatter plot for staff performance";   panelby scale / columns=2;   reg x=jaim y=gcharacteristic / cli clm; run; title;
	proc sgscatter data=data_anl.performance;    matrix gcharacteristic jaim jhonour jcompetency            jpromotion jhonour           /group=scale; run;
矩陣圖或鑲有嵌板的圖，在觀測(cè)多變量或不同特征群組間的關(guān)系時(shí)，很方便。    上面的兩幅圖提供的信息很類(lèi)似，例如矩陣散點(diǎn)中，變量G與3個(gè)J均有不同數(shù)據(jù)點(diǎn)偏離的比較遠(yuǎn)，這預(yù)示著在多維空間里，這些點(diǎn)的特殊性，不過(guò)這要結(jié)合更專(zhuān)業(yè)的殘差圖綜合分析，例如某殘差的權(quán)勢(shì)圖、穩(wěn)健距離圖等等。 http://xalimeijing.com/thread-2169380-1-1.html http://amos.pinggu.org/

掃碼加我 拉你入群

請(qǐng)注明：姓名-公司-職位

以便審核進(jìn)群資格，未注明則拒絕

分享9 收藏66 回帖

關(guān)鍵詞：散點(diǎn)圖 performance Competency panel data Performan 信息 散點(diǎn)圖 多項(xiàng)式

不錯(cuò)！

在相關(guān)分析和回歸分析之前繪制散點(diǎn)圖是必要的，因?yàn)樯Ⅻc(diǎn)圖是度量變量間關(guān)聯(lián)程度的最直觀的方式，有助于探索變量間的關(guān)系。
-----------------------------------
我說(shuō)的沒(méi)錯(cuò)吧～

支持有福有德老師，贊一個(gè)！

真心不錯(cuò)啊~~~~

好啊

說(shuō)的很透徹很形象^_^

不錯(cuò)，很有用，特別是殘差分析時(shí)好用。這好像是用SAS做的圖吧

挺不錯(cuò)！