请完成以下步骤来解释区间散点图。
步骤 1：在数据中查找模式
确定哪个模型关系能够以最佳方式拟合数据并评估模型关系的强度。
关系的类型
尽管无法为区间散点图添加回归拟合线，但仍可以在数据中查找以下模式。如果看到模式，可以使用来创建模型。
线性：正
线性：负
曲线：二次
曲线：立方
无关系
在此示例中，Minitab 按矩形区间组合数据。Minitab 根据区间中的观测值数量，针对区间使用浅灰色到深蓝色。该经济学家注意到，许多人的债务比率接近 0（与年龄无关），只有极少人的债务比率接近 1。图中央较深的区域显示，债务比率随着年龄增大而提高。 然而，当年龄在50左右时，较暗的区域会向下弯曲，并开始随着年龄的增长而减少。 年龄和债务比率似乎有二次关系。该经济学家认为，债务比率的回归模型应包括年龄的二阶项。
步骤 2：查找具有第三个变量的模式
如果要使用第三个变量，请查找该变量与 x 和 y 变量之间的关系。Minitab 根据区间中所有观测值的第三个变量的平均值对区间进行着色。如果不存在关系，则区间散点图中区间的颜色将随机分散。颜色模式表示可能存在关系。
在此示例中，研究团队希望确定克拉和颜色如何影响钻石价格。 Minitab 根据钻石的颜色对区间使用深蓝色到深红色。红色系越深，对应的颜色变量值越大。蓝色系越深，对应的颜色变量值越小。克拉数越大，价格越高。不过，对于克拉数相同的钻石，价格仍有很大差异。钻石的颜色说明了其中的一些变化。对于克拉数相似的钻石，颜色编号越大，价格越高。
注意
钻石的颜色用字母表示。 由于所有变量都必须为数字，因此研究人员将钻石的颜色编码为 0-6 之间的数字刻度。 企业主为无色钻石赋予较高的数值，为浅黄色钻石赋予较低的数值。
步骤 3：查找异常值
异常值是远离其他数据值的数据值，可能表示数据中存在异常情况，且可能会显著影响结果。
在区间散点图中，可以使用独立区间标识异常值。
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。
