解释矩阵图的主要结果

请完成以下步骤来解释矩阵图。

步骤 1:查找模型关系并评估强度

查找变量对之间的模型关系。确定哪个模型关系能够以最佳方式拟合数据和评估模型关系的强度。如果模型能够很好地拟合数据,则可以使用该模型的回归方程来描述数据。

提示

要查看特定的模型对数据的拟合优度,请添加一条拟合回归线。在图形处于活动状态时,选择编辑器 > 添加 > 回归拟合。可以将指针放在拟合回归线上以查看回归方程。

关系的类型

下面的示例显示可以用回归拟合线建模的不同关系类型。
线性:正
线性:负
曲线:二次
曲线:立方
无关系

如果您的数据似乎拟合模型,则可以使用回归分析研究关系。

关系强度

评估数据对模型的拟合紧密程度,以估计 X 和 Y 之间关系的强度。当关系很强时,回归方程能够准确地对数据建模。如果您有拟合回归线,请将指针放在拟合回归线上以查看回归方程和 R 平方值。R 平方值越大,回归方程对数据的建模越准确。
较弱的关系
较强的关系

要量化线性(直线)关系的强度,请使用相关分析

步骤 3:查找其他模式

异常值可能表明数据中存在异常情况。基于时间的趋势可能表明数据情况不断变化。

异常值

异常值是远离其他数据值的数据值,可能会显著影响您的结果。

在散点图上,孤立的点标识异常值。

尝试确定导致任何异常值的原因。更正任何数据输入错误或测量误差。考虑删除与异常的单次事件(也称为特殊原因)相关联的数据值。然后,重新执行分析。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策