行列散布図の主要な結果を解釈する

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、データの描写ができます。

行列散布図にグループがある場合、グループ関連のパターンを探すことができます。観測値のグループ間のx、yの関係の差を確認します。グラフにグループ化変数を含めなかった場合でも、有意なグループを特定できることがあります。有意なグループを見つけることにより、データの説明精度は向上しやすくなります。

次のグラフは、グループ関連のパターンの例です。

異なる傾きのグループ

グループの傾きが急な場合、x値の変化はy値のより大きな変化と関連しています。

異なる位置のグループ

1つのグループのy値は、特定のx値それぞれで、他のグループよりも一貫して高くなります。

クラスターのグループ

この散布図の3つのクラスターは、3つのグループを示しています。

非グループ関連パターン

この2つのグループは異なっているように見えません。

データにグループが含まれていることを疑う場合は、グループを可視化するために、グラフにグループ化変数を加えることができます。データ点をダブルクリックして、グループを選択します。

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。