Interpretar los resultados clave para Gráfica de matriz

Complete los siguientes pasos para interpretar una gráfica de matriz.

Paso 1: Buscar las relaciones del modelo y evaluar su fortaleza

Buscar las relaciones del modelo entre pares de variables. Determinar cuál es la relación de modelo que mejor se ajusta a sus datos y evaluar la fuerza de la relación. Si un modelo se ajusta adecuadamente, puede utilizar la ecuación de regresión de ese modelo para describir sus datos.

Sugerencia

Para ver hasta qué punto un modelo particular se ajusta a sus datos, agregue una línea de regresión ajustada. Haga doble clic en la gráfica. Con la gráfica en modo de edición, haga clic sobre la gráfica con el botón derecho, después elija Agregar > Ajuste de regresión. Puede mantener el puntero sobre la línea de regresión ajustada para ver la ecuación de regresión.

Tipo de relación

Los siguientes ejemplos muestran los diferentes tipos de relaciones que usted puede modelar con una línea ajustada de regresión.
Lineal: positiva
Lineal: negativa
Curva: cuadrática
Curva: cúbica
Ninguna relación

Si sus datos parecen ajustarse a un modelo, puede explorar la relación utilizando un análisis de regresión.

Fuerza de la relación

Evalúe qué tan estrechamente se ajustan los datos al modelo para estimar la fortaleza de la relación entre X e Y. Cuando la relación es fuerte, la ecuación de regresión modela los datos con precisión. Si tiene una línea de regresión ajustada, mantenga el puntero encima para ver la ecuación de regresión y el valor R-cuadrado. Mientras mayor sea el valor R-cuadrado, la ecuación de regresión modelará con mayor precisión sus datos.
Relación más débil
Relación más fuerte

Para cuantificar la fortaleza de una relación lineal (recta), utilice un análisis de correlación.

Paso 3: Buscar otros patrones

Los valores atípicos pueden indicar condiciones inusuales en sus datos. Las tendencias basadas en el tiempo pueden indicar un cambio en las condiciones de los datos.

Valores atípicos

Los valores atípicos, que son valores de datos que están muy alejados de otros valores de datos, pueden afectar fuertemente sus resultados.

En una gráfica de dispersión, los puntos aislados identifican los valores atípicos.

Intente identificar la causa de cualquier valor atípico. Corrija cualquier error de entrada de datos o de medición. Considere eliminar los valores de datos que estén asociados con eventos anormales y únicos (causas especiales). A continuación, repita el análisis.