解释边际图的主要结果

确定哪种模型关系（如果有的话）能够以最佳方式拟合数据。以下是关系类型的示例。

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。

评估数据与模型的拟合程度，以估计 X 和 Y 之间关系的强度。当关系较强时，回归方程会准确地对数据建模。

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。

当数据偏斜时，大多数数据位于图形的高或低侧。偏斜表明数据可能未呈正态分布。在边际图中，请在边际中查找偏斜数据的指示符。

如果已知数据本身未偏斜，请调查可能的原因。如果您希望分析严重偏斜的数据，请阅读该分析的“数据注意事项”主题，以确保您可以使用非正常数据。

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。在边际图中，请在边际中的散点图和图形上查找异常值。

散点图

在散点图上，孤立的点标识异常值。

直方图

在直方图上，两端上的孤立条形标识异常值。

点图

在点图上，异常低或异常高的数据值标识可能的异常值。

箱线图

在箱线图上，异常值用星号 (*) 标识。

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。

多模态数据具有多个峰值。（峰值表示一组数据的模式。）如果数据是从多个过程中或在多个条件（如多个温度）下收集的，通常会出现多模态数据。

在边际图中，请在边际中的直方图和点图上查找多模态数据的指示符。例如，以下图形拥有两个峰值。

直方图

点图

如果您具有其他可用来对观测值进行分组的信息，则可以创建一个包含此信息的组变量。然后，可以创建含组的直方图或点图，以确定组变量是否导致数据中的峰值。