【正文】 1. 展示兩個變量之間的關(guān)系 2. 用橫軸代表變量 x， 縱軸代表變量 y， 每組數(shù)據(jù) (xi ， yi)在坐標系中用一個點表示 ， n組數(shù)據(jù)在坐標系中形成的 n個點稱為散點 ， 由坐標及其散點形成的圖 3. 有 2維 、 3維 、 矩陣等形式 2 58 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 兩個變量間的關(guān)系 — 二維散點圖 (2D Scatter plots) 【 例 25】 表 2— 12是我國 31 個地區(qū) 2021年的固定資產(chǎn)投資額 、地區(qū)生產(chǎn)總值 (GDP)和最終消費支出數(shù)據(jù) 。 繪散點圖并觀察它們之間的關(guān)系 2 59 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 用 SPSS繪制重疊散點圖 (Overlay Scatter) 第 1步： 選擇 【 Graphs】 菜單，并選擇 【 Scatter/Dot】 第 2步： 如果繪制兩個變量的簡單散點圖，點擊 【 Simple Scatter】 ，點擊 【 Define】 ，將兩個變量分別選入 【 Y Pairs】和 【 X Pairs】 ，點擊 【 OK】 如果要繪制重疊散點圖，點擊 【 Overlay Scatter】 ，點擊【 Define】 ，將所要配對的數(shù)據(jù)依次選入 【 YX Pairs】 (本例為“固定資產(chǎn)投資額 地區(qū)生產(chǎn)總值”和“固定資產(chǎn)投資額 最終消費支出” )，點擊 【 OK】 如果要繪制矩陣散點圖，點擊 【 Matrix Scatter】 ，將幾個變量 (本例為“固定資產(chǎn)投資額”、“地區(qū)生產(chǎn)總值”和“固定資產(chǎn)投資額” )同時選入 【 Matrix Variables】 ，將區(qū)分坐標軸的樣本 (本例為“地區(qū)” )選入 【 Label Cases by】 ，點擊 【 OK】 繪制重疊散點圖 2 60 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 兩個變量間的關(guān)系 — 二維散點圖 (2D Scatter plots) 2 61 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 1. 如果想比較幾個變量之間的關(guān)系 ， 也可以把它們的散點圖繪制在同一張圖里 ， 繪制成重疊散點圖 (Overlay Scatter)(注意：繪制重疊散點圖時 ， 變量值之間的數(shù)值差異不能過大 ， 否則不便于比較 ) 2. 比如 ， 如果想比較固定資產(chǎn)投資額與地區(qū)生產(chǎn)總值和最終消費支出的關(guān)系 ， 可以把固定資產(chǎn)投資作為共同的一個坐標軸 ， 地區(qū)生產(chǎn)總值和最終消費支出作為另一個坐標軸 3. 也可以繪制散點圖矩陣 (Matrix Scatter) 兩個變量間的關(guān)系 — 重疊散點圖 (用 SPSS繪制重疊散點圖 ) 2 62 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 兩個變量間的關(guān)系 — 重疊散點圖 (Overlay Scatter) 2 63 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 兩個變量間的關(guān)系 — 矩陣散點圖 (Matrix Scatter) 2 64 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 比較多個樣本的相似性 — 雷達圖 (radar chart) 1. 也稱為蜘蛛圖 (spider chart) 2. 從一個點出發(fā) ， 用每一條射線代表一個變量 ， 多個變量的數(shù)據(jù)點連接成線 ， 即圍成一個區(qū)域 ， 多個樣本圍成多個區(qū)域 ， 就是雷達圖 3. 可用于研究多個樣本在多個變量上的相似程度 4. 當多個變量的取值相差較大或量綱不同時 ， 可進行變換處理后再做圖 。 ? 線性變換： ? 對數(shù)變換： iiiixxxxym i nm axm i n???)log( ixy ?sxxz i ??2 65 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 多變量數(shù)據(jù) — 雷達圖 (例題分析 ) 【 例 26】 2021年我國東部 、 中部 、 西部及東北地區(qū)城鎮(zhèn)居民的生活消費支出數(shù)據(jù)如表 2— 8所示 。 繪制雷達圖 ， 比較不同地區(qū)的消費支出構(gòu)成 2 66 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 多變量數(shù)據(jù) — 雷達圖 (例題分析 — 原始數(shù)據(jù) ) 1. 四個地區(qū)城鎮(zhèn)居民消費支出中 ， 食品支出額都是最多的 ，雜項商品與服務(wù)支出額則是最少的 2. 東部地區(qū)城鎮(zhèn)居民的各項支出額普遍高于其他三個地區(qū) ，而中部 、 西部和東北地區(qū)的各項支出則相差不大 3. 四個地區(qū)各項支出額的結(jié)構(gòu)具有很大的相似性 2 67 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 多變量數(shù)據(jù) — 雷達圖 (例題分析 — 標準化變換 ) 1. 更適宜分析多個樣本在多個變量上的差異 2. 東部地區(qū)城鎮(zhèn)居民的各項支出額普遍高于其他三個地區(qū) ，而中部 、 西部和東北地區(qū)的各項支出則相差不大 3. 四個地區(qū)各項支出額的結(jié)構(gòu)具有很大的相似性 2 68 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 1. 20世紀 90年代初由 Inselberg和 Dimsdale提出的展示多元數(shù)據(jù)的圖示方法 2. 將各變量用一系列平行的橫坐標軸表示 ，變量值對應(yīng)縱軸上的位置 3. 可用于研究多個樣本在多個變量上的相似程度或變量間的相互關(guān)系 比較多個樣本的相似性 — 平行坐標圖 (輪廓圖 ) 2 69 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 多變量數(shù)據(jù) — 輪廓線圖 (例題分析 — 比較樣本：地區(qū) ) 1. 四個地區(qū)城鎮(zhèn)居民消費支出中 ， 食品支出額都是最多的 ，雜項商品與服務(wù)支出額則是最少的 2. 東部地區(qū)城鎮(zhèn)居民的各項支出額普遍高于其他三個地區(qū) ，而中部 、 西部和東北地區(qū)的各項支出則相差不大 3. 四個地區(qū)各項支出額的結(jié)構(gòu)具有很大的相似性 2 70 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 多變量數(shù)據(jù) — 輪廓線圖 (例題分析 — 比較變量：各項支出 ) 1. 四個地區(qū)城鎮(zhèn)居民消費支出中 ， 食品支出額都是最多的 ，雜項商品與服務(wù)支出額則是最少的 2. 東部地區(qū)城鎮(zhèn)居民的各項支出額普遍高于其他三個地區(qū) ，而中部 、 西部和東北地區(qū)的各項支出則相差不大 3. 四個地區(qū)各項支出額的結(jié)構(gòu)具有很大的相似性 合理使用圖表 第 2 章 用圖表展示數(shù)據(jù) 2 72 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 1. 一張好的圖表應(yīng)包括以下基本特征 ? 顯示數(shù)據(jù) ? 讓讀者把注意力集中在圖表的內(nèi)容上 ， 而不是制作圖表的程序上 ? 避免歪曲 ? 強調(diào)數(shù)據(jù)之間的比較 ? 服務(wù)于一個明確的目的 ? 有對圖表的統(tǒng)計描述和文字說明 2. 5種鑒別圖表優(yōu)劣的準則：一張好的圖表應(yīng)當 ? 精心設(shè)計 、 有助于洞察問題的實質(zhì) ? 使復(fù)雜的觀點得到簡明 、 確切 、 高效的闡述 ? 能在最短的時間內(nèi)以最少的筆墨給讀者提供最大量的信息 ? 是多維的 ? 表述數(shù)據(jù)的真實情況 鑒別圖表優(yōu)劣的準則 2 73 統(tǒng)計學(xué)STATISTICS (第四版 ) 2021616 本章小結(jié) ? 定性數(shù)據(jù)的頻數(shù)分布表 ? 定性數(shù)據(jù)的圖示方法 ? 定量數(shù)據(jù)的頻數(shù)分布表 ? 定量數(shù)據(jù)的圖示方法 ? 用 Excel和 SPSS作 頻數(shù)分布表和 圖 形 ? 合理使用圖表 結(jié) 束