Interpretieren der wichtigsten Ergebnisse für Randdiagramm

Ermitteln Sie, welche Modellbeziehung (sofern zutreffend) für die Daten am besten geeignet ist. Im Folgenden sind Beispiele für die Typen von Beziehungen aufgeführt.

Linear: positiv

Linear: negativ

Gekrümmt: quadratisch

Gekrümmt: kubisch

Keine Beziehung

Wenn ein Modell passend für Ihre Daten erscheint, können Sie die Beziehung mit einer Regressionsanalyse untersuchen.

Bewerten Sie, wie gut die Daten zum Modell passen, um die Stärke der Beziehung zwischen X und Y abzuschätzen. Wenn die Beziehung stark ist, modelliert die Regressionsgleichung die Daten genau.

Schwächere Beziehung

Stärkere Beziehung

Um die Stärke einer linearen (geraden) Beziehung zu quantifizieren, führen Sie eine Korrelationsanalyse aus.

Wenn die Daten schief sind, liegen die meisten Datenwerte am oberen oder unteren Rand der Grafik. Schiefe weist darauf hin, dass die Daten möglicherweise nicht normalverteilt sind. Untersuchen Sie die Grafiken an den Rändern eines Randdiagramms auf Anzeichen für schiefe Daten.

Wenn Ihnen bekannt ist, dass die Daten nicht naturgemäß schief sind, untersuchen Sie die möglichen Ursachen. Wenn Sie erheblich schiefe Daten analysieren möchten, lesen Sie den Artikel mit Überlegungen zu Daten für die Analyse, um sicherzustellen, dass Sie nicht normalverteilte Daten verwenden können.

Ausreißer, d. h. Datenwerte, die weit entfernt von den anderen Datenwerten liegen, können sich stark auf Ihre Ergebnisse auswirken. Suchen Sie im Streudiagramm sowie den Grafiken an den Rändern eines Randdiagramms nach Ausreißern.

Streudiagramm

In einem Streudiagramm weisen isolierte Punkte auf Ausreißer hin.

Histogramm

In einem Histogramm weisen isolierte Balken an den Enden auf Ausreißer hin.

Punktdiagramm

In einem Punktdiagramm weisen ungewöhnlich niedrige oder hohe Datenwerte auf mögliche Ausreißer hin.

Boxplot

In einem Boxplot werden Ausreißer mit Sternchen (*) gekennzeichnet.

Versuchen Sie, die Ursache von Ausreißern zu ermitteln. Korrigieren Sie sämtliche Dateneingabe- oder Messfehler. Erwägen Sie, Datenwerte zu entfernen, die auf ungewöhnliche, einmalige Ereignisse (Ausnahmebedingungen) zurückzuführen sind. Wiederholen Sie anschließend die Analyse.

Multimodale Daten weisen mehrere Spitzen auf. (Eine Spitze stellt den Modus eines Datensatzes dar.) Multimodale Daten treten in der Regel auf, wenn die Daten aus mehreren Prozessen oder unter mehreren Bedingungen erfasst wurden, z. B. bei unterschiedlichen Temperaturen.

Untersuchen Sie die Histogramme oder Punktdiagramme an den Rändern eines Randdiagramms auf Anzeichen für multimodale Daten. Diese Grafiken weisen beispielsweise zwei Spitzen auf.

Histogramm

Punktdiagramm

Wenn Sie über zusätzliche Informationen verfügen, die es Ihnen ermöglichen, die Beobachtungen in Gruppen zu gliedern, können Sie anhand dieser Informationen eine Gruppierungsvariable anlegen. Dann können Sie ein Histogramm oder ein Punktdiagramm mit Gruppen erstellen, um zu ermitteln, ob die Gruppierungsvariable die Spitzen in den Daten erklärt.