行列散布図の主要な結果を解釈する

行列散布図を解釈するには、次の手順を実行します。

ステップ1:モデルの関係を確認して強度を評価する

変数ペア間のモデルの関連性を確認します。データに最も適したモデル関係を判定し、関係の強さを評価します。モデルがしっかりと適合すると、そのモデルの回帰式を使用して、データの説明ができます。

ヒント

特定のモデルがどれほどデータに適合しているかを確認するために、適合回帰直線を追加します。グラフがアクティブな状態で、エディタ > 追加 > 回帰適合を選択します。適合回帰直線の上にポインタを置くと、回帰式を見ることができます。

関係のタイプ

次の例では、回帰適合線をモデル化できるさまざまな種類の関係が示されています。
直線:正
直線:負
曲線:2次
曲線:立方
関係なし

データがモデルに適合しそうな場合は、回帰分析を使用して、関係を探ることができます。

関係の強さ

XとYの関係の強度を推定するためにデータがどの程度密接にモデルを適合するかを評価します。関係が強い場合、回帰式はデータを正確にモデル化します。適合回帰直線がある場合、ポインタを置いて、回帰式とR二乗値を表示します。R二乗値が高いほど、回帰式がデータをモデル化する精度が高くなります。
より弱い関係
より強い関係

線形(直線)の関係の強さを計るために、相関分析を用います。

ステップ3:他のパターンを探す

外れ値は、データの異常な条件を示していることがあります。時間基準のトレンドは、変わるデータ条件を示すことがあります。

外れ値

外れ値は、他の大部分のデータから離れているデータ値のことで、分析の結果に大きな影響を及ぼします。

散布図では、孤立点で外れ値が識別されます。

外れ値がある場合は、その原因を特定してください。データ入力や測定の誤差はすべて修正します。異常な1回だけの事象(特殊原因)に関連付けられたデータ値を除外することを検討してください。それから、分析を繰り返します。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください