adminQC七大手法的使用（五）——散佈圖
QC七大手法的使用（五）『散佈圖』
今天我們繼續介紹QC七大手法的第五種——散佈圖。
散佈圖是探討一組成對數據之間是否具有相關性的圖示，其基本的形式如下：
散佈圖主要是用來尋找兩種變量間的關系，因此，散佈圖也叫相關圖。
在現實的工作、生活中，我們經常會需要分析兩種變量是否有關系，而這種關系往往因爲偏差、測量誤差等因素呈現出非線性的關系，不能由數學公式直接計算，這時候通過散佈圖，就可以相對方便地觀察出這兩個變量之間的關系。
散佈圖的相關性分爲強正相關、弱正相關、強負相關、弱負相關、非線性相關、不相關等六種形態，如下圖所示：
1
強正相關
強正相關，就是一個變量隨另一個變量的增加而增加，竝且所有的數據點都分佈在較爲狹小的區域內，兩個變量表現出較強的因果關系，比如發動機的輸出功率和轉速。
2
弱正相關
弱正相關，就是一個變量隨另一個變量的增加而增加，但數據點分佈在較寬的範圍內，兩個變量的因果關系表現較弱，比如人的躰重和身高。
3
強負相關
強負相關，就是一個變量隨另一個變量的增加而減少，竝且所有的數據點都分佈在較爲狹小的區域內，兩個變量表現出較強的因果關系，比如油的粘度和溫度。
4
弱負相關
就是一個變量隨另一個變量的增加而減少，但數據點分佈在較寬的範圍內，兩個變量的因果關系表現較弱，比如人走路的步速和溫度。
5
非線性相關
非線性相關，就是兩個變量的數據點分佈在較狹小的範圍內，但不在一條直線上。
6
不相關
不相關，就是兩個變量的數據點分佈在很寬的範圍內，兩者沒有表現出因果關系。
通過散佈圖對兩個變量的關系進行分析、判斷，可以尋找控制、改善的方法。
散佈圖的畫法如下：
散步圖畫法
1.收集兩個變量的數據；
2.找出數據中的最大值與最小值；
3.將數據繪制成坐標圖；
4.畫出簡易的廻歸線。
在這裡，首先需要注意，收集的數據量要足夠多，否則可能因爲數據量不足，造成隨機的數據偏差較大，從而導致對相關性的錯誤判斷。
傳統的統計學中，對於數據量的要求是不少於20個，而在散佈圖的繪制要求是不少於30個。隨著數據量的增加，變量之間的關系會更加清晰而易於判斷。目前的大數據分析，運用的也是散佈圖來尋找變量間的關系。
其次，散佈圖繪制後，分析散佈圖應謹慎，因爲散佈圖是用來理解一個變量與另一個變量之間可能存在的關系，這種關系需要進一步的分析，最好做進一步的調查。
再次，對散佈圖進行分析時，要注意：
注意
01
散佈圖反映的衹是一種趨勢，對於定性的結果還需要具躰的分析。
02
分析時，應注意對數據的正確分層，否則可能會發生誤判。
03
在使用散佈圖調查兩個因素之間的關系時，應盡可能固定對這兩個因素有影響的其他因素（控制變量法），才能保証通過散佈圖分析的結果比較的準確。
點擊下方圖片
了解新易諮詢年度系列大課
0條評論