Zawartość
Wykres punktowy jest ważnym narzędziem diagnostycznym w arsenale statystycznym, uzyskanym przez skonstruowanie wykresu dwóch zmiennych i sformułowanie hipotezy funkcjonalnej na temat jego relacji. Z tego powodu są zwykle projektowane przed przeprowadzeniem analizy regresji. Następnie statystyk testuje hipotezę za pomocą analizy regresji i określa dokładny znak i wielkość relacji. Ponadto wykres regresji pomaga zidentyfikować rozbieżne dane - wartości, które są nienormalnie odległe od większości danych próbnych. Wyeliminowanie niezgodnych danych pomaga poprawić model regresji.
Instrukcje
-
Poszukaj ujemnej zależności między dwiema zmiennymi na wykresie punktowym. Jeśli niskie wartości pierwszej zmiennej odpowiadają wysokim wartościom drugiej zmiennej, występuje korelacja ujemna. W tym przypadku linia narysowana przez dane będzie miała ujemne nachylenie.
-
Sprawdź wykres pod kątem dodatniego związku między zmiennymi. Jeśli niskie wartości pierwszej zmiennej odpowiadają niskim wartościom drugiej zmiennej, a wysokie wartości pierwszej zmiennej podobnie odpowiadają wysokim wartościom drugiej, zmienne mają dodatnią korelację. W tym przypadku linia narysowana przez dane będzie miała dodatnie nachylenie.
-
Sprawdź wykres punktowy, aby określić, czy nie ma związku między zmiennymi. Jeśli dane na wykresie są losowo rozmieszczone, bez widocznej zależności między zmiennymi, to nie mają one korelacji ani niewielkiej i statystycznie nieistotnej korelacji. W tym przypadku linia narysowana przez dane jest pozioma, z nachyleniem równym zero.
-
Utwórz linię regresji poprzez dane, sprawdź jej formę i oceń charakter relacji między dwiema zmiennymi. Linia prosta jest interpretowana za pomocą relacji liniowej, zakrzywiony kształt sugeruje stosunek kwadratowy, a linia, która zaczyna się stosunkowo płasko przed nagłym wzrostem lub spadnięciem, jest interpretowana jako relacja wykładnicza.
-
Szukaj niezgodnych danych na wykresie. Wartości nienormalnie daleko od zestawu danych. Rozbieżności różnią się zależnością między zmiennymi. Wyeliminuj je, ale tylko wtedy, gdy ich obecność nie wpływa na analizę relacji między dwiema zmiennymi.