Kuidas tõlgendada hajuvusgraafikut

Posted on
Autor: Randy Alexander
Loomise Kuupäev: 2 Aprill 2021
Värskenduse Kuupäev: 1 Mai 2024
Anonim
Kuidas tõlgendada hajuvusgraafikut - Teadus
Kuidas tõlgendada hajuvusgraafikut - Teadus

Jaotusgraafik on statistiku arsenalis oluline diagnostiline tööriist, mis saadakse kahe muutuja üksteise suhtes graafilisel kujul. See võimaldab statistikul muutujaid silmamuna teha ja moodustada toimiva hüpoteesi nende suhte kohta. Sel põhjusel joonistatakse see tavaliselt enne regressioonanalüüsi tegemist. Seejärel testib statistik hüpoteesi regressioonanalüüsi abil ja määrab seose märgi ja täpse ulatuse. Lisaks aitab hajuvusdiagramm tuvastada kõrvalekaldeid - väärtusi, mis on enamikust valimis sisalduvatest andmetest ebanormaalselt kauged. Kõrvaltoimete välistamine aitab regressioonimudelit paremaks muuta.


    Kontrollige hajumisgraafiku kahe muutuja vahel negatiivset suhet. Kui esimese muutuja madalad väärtused vastavad teise muutuja kõrgetele väärtustele, on negatiivne korrelatsioon. Sel juhul on andmepunktide kaudu tõmmatud joonel negatiivne kalle.

    Uurige muutujate vahelise positiivse suhte hajuvusgraafikut. Kui hajutatud graafiku esimese muutuja madalad väärtused vastavad teise madalatele ja esimese kõrged vastavad samamoodi teise kõrgetele väärtustele, on muutujatel positiivne korrelatsioon. Sel juhul on andmepunktide kaudu tõmmatud joonel positiivne kalle.

    Kontrollige hajuvusgraafikut, kas muutujate vahel pole seoseid. Kui hajutatud diagrammi andmepunktid jagunevad juhuslikult ja nende vahel puudub ilmne seos, pole neil kas korrelatsiooni või on väike, statistiliselt ebaoluline korrelatsioon. Sel juhul on andmepunktide kaudu tõmmatud joon horisontaalne ja kalle null.

    Pange joon läbi andmepunktide ja uurige selle kuju, et hinnata kahe muutuja vahelise seose olemust. Sirget tõlgendatakse kui lineaarset suhet, kõverjoon viitab ruutkeskmisele suhtele ja sirget, mis asub suhteliselt lame enne järsku üles või alla laskmist, tõlgendatakse kui eksponentsiaalset suhet.


    Uurige hajumisdiagrammi, et leida kõrvalekaldeid, väärtusi, mis asuvad andmepunktide klastrist ebaharilikult kaugel. Välisväärtused moonutavad muutujate suhet. Kõrvaldage need, kuid ainult siis, kui nende puudumine ei mõjuta kahe muutuja vahelise seose analüüsi.