一、常用統(tǒng)計圖

常用統(tǒng)計圖的適用情況和舉例說明如下：

比如：散點圖適用于展示兩個變量之間的關(guān)系情況；直方圖適用于展示連續(xù)變量的分布情況，判斷是否符合正態(tài)分布等；箱線圖展示一組數(shù)據(jù)的中位數(shù)、四分位數(shù)、最大值、最小值等信息，可以用于分析數(shù)據(jù)分布情況或者是否存在異常值等等。

二、作圖思路

首先區(qū)分數(shù)據(jù)類型：畫圖通常是體現(xiàn)X和Y之間的關(guān)系情況。那么首先需要知道X和Y分別的數(shù)據(jù)類型是什么，下面總結(jié)一個表格說明如下：

按照X和Y的思維，先識別出X和Y分別的數(shù)據(jù)類型情況，然后找到適合的統(tǒng)計圖作圖即可。
舉例說明：比如想要分析不同品種和不同施肥方式下，水稻產(chǎn)量的差異，希望通過圖形直觀展示差異情況。很明顯這里2個X均為定類數(shù)據(jù)，而水稻產(chǎn)量為定量數(shù)據(jù)，所以可以使用“簇狀圖”進(jìn)行可視化分析。
將數(shù)據(jù)上傳至SPSSAU系統(tǒng)，選擇“簇狀圖”，拖拽變量至右側(cè)相應(yīng)分析框，操作如下圖：

得到簇狀圖結(jié)果如下：

簇狀折線圖

簇狀柱形圖

簇狀條形圖

SPSSAU當(dāng)前提供累計共30類圖形，分布于各個方法中自動生成，當(dāng)然還有一些復(fù)雜或者特殊的圖形需要自己作圖。

三、SPSSAU自動出圖

在使用SPSSAU進(jìn)行數(shù)據(jù)分析時，選擇相應(yīng)方法進(jìn)行分析得到分析結(jié)果的同時，SPSSAU會默認(rèn)自動輸出對應(yīng)的統(tǒng)計圖分析結(jié)果。
舉例說1：定類數(shù)據(jù)進(jìn)行頻數(shù)分析時，SPSSAU會默認(rèn)輸出對應(yīng)的餅狀圖、圓環(huán)圖、柱狀圖、條形圖。如果需要切換不同的統(tǒng)計圖，點擊圖形右上角選擇即可，如下圖：

舉例說明2：使用獨立樣本t檢驗研究不同組別空腹血糖下降值的差異時，SPSSAU會默認(rèn)輸出對應(yīng)的柱形圖、條形圖、折線圖。如下圖：

舉例說明3：使用卡方檢驗研究不同療法治療效果的差異時，SPSSAU會默認(rèn)輸出對應(yīng)的堆積柱形圖、堆積條形圖等，如下圖：

提示：SPSSAU可視化結(jié)合了數(shù)據(jù)分析方法的思想，默認(rèn)提供準(zhǔn)確的可視化圖形展示，這是SPSSAU智能系統(tǒng)的一個組成部分。通常自動輸出的第一個統(tǒng)計圖是最優(yōu)的即最合適的。

四、統(tǒng)計圖詳細(xì)說明

1、散點圖

散點圖用于考察定量數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，即查看X和Y之間的關(guān)系情況。散點圖通常用于探索性研究，直觀展示出數(shù)據(jù)間的關(guān)聯(lián)關(guān)系情況。

使用場景

（1） 相關(guān)分析之前，查看X和Y之間的關(guān)系情況。

（2） 回歸分析后模型檢驗，查看殘差分別與自變量間的關(guān)聯(lián)性【回歸模型假定殘差不應(yīng)該與自變量有關(guān)聯(lián)性，即異方差性】。

（3） 其它用于直觀展示數(shù)據(jù)關(guān)系的場景。

散點圖示例

2、直方圖

直方圖用于直觀展示數(shù)據(jù)分布情況，觀察數(shù)據(jù)的正態(tài)分布特性，檢驗數(shù)據(jù)是否滿足正態(tài)性。

使用場景

（1） 相關(guān)分析時，數(shù)據(jù)的正態(tài)性查看；

（2） 回歸分析后模型檢驗，將殘差進(jìn)行正態(tài)性檢驗，如果殘差呈現(xiàn)出正態(tài)性意味著模型構(gòu)建良好，反之說明模型構(gòu)建較差。

（3） 其他用于查看數(shù)據(jù)分布、檢驗正態(tài)性的場景等等。

直方圖展示

3、箱線圖

箱線圖（也稱盒圖，箱盒圖等）是在1977年由美國統(tǒng)計學(xué)家John Tukey發(fā)明，分析數(shù)據(jù)需要為定量數(shù)據(jù)。通過箱線圖，可以直觀的探索數(shù)據(jù)特征。

使用場景

（1） 查看可能的異常值數(shù)據(jù)情況；（2） 非參數(shù)檢驗時查看不同類別X時，Y的數(shù)據(jù)分布情況；（3） 其它涉及查看數(shù)據(jù)分布或者異常值查看時。

直方圖展示

4、詞云圖

詞云圖是由美國西北大學(xué)新聞學(xué)教授Rich Gordon提出，“詞云”可對文字中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺上的突出，形成“關(guān)鍵詞云層”或“關(guān)鍵詞渲染”，從而使瀏覽者只要一眼掃過文本就可以領(lǐng)略文本的主旨。

使用場景

（1）直觀地展示文本信息，并且突出展示關(guān)鍵信息；

（2）針對有權(quán)重的數(shù)據(jù)信息進(jìn)行詞云展示。

詞云圖展示

5、誤差線圖

誤差線圖用于展示數(shù)據(jù)的不確定性程度，顯示潛在的誤差或每個數(shù)據(jù)標(biāo)志的不確定程度。樣本數(shù)據(jù)的波動是通過標(biāo)準(zhǔn)差體現(xiàn)，因而樣本均值不確定性程度為標(biāo)準(zhǔn)差。

誤差線圖展示

6、P-P圖/Q-Q圖

P-P圖和Q-Q圖常用于直觀查看數(shù)據(jù)是否正態(tài)分布。P-P圖和Q-Q圖的目的性基本一致，但原理上有著區(qū)別。

使用場景

(1) 方差分析對應(yīng)的Y值是否具有正態(tài)性特質(zhì)的判斷；

(2) 回歸分析前，對應(yīng)的Y值是否具有正態(tài)性特質(zhì)判斷；回歸分析后，使用P-P圖和Q-Q圖檢查殘差值是否有正態(tài)性特質(zhì)；

(3) 二元Logit回歸后的殘差值是否有正態(tài)性特質(zhì)。

(4) 其它用于直觀展示數(shù)據(jù)正態(tài)性的場景。

P-P圖/Q-Q圖展示

7、ROC曲線

ROC曲線，也稱受試者工作特征曲線；ROC曲線最初是運用在軍事上，當(dāng)前在醫(yī)學(xué)領(lǐng)域使用非常廣泛，用于研究X對于Y的預(yù)測準(zhǔn)確率情況。

ROC曲線展示

8、象限圖

象限圖可對數(shù)據(jù)分類進(jìn)行直觀展示；使用水平和垂直分割線將圖表區(qū)域劃分成四個象限，而且每個象限呈現(xiàn)對應(yīng)的數(shù)據(jù)。通常情況下，象限圖呈現(xiàn)目的在于直接展示數(shù)據(jù)劃分區(qū)域。

象限圖展示

9、帕累托圖

帕累托圖是“二八原則”的圖形化體現(xiàn)，80%的問題是由20%的原因所致；通常情況下帕累托圖可用來展現(xiàn)某‘問題’的占比情況，通過圖形找出最重要的原因。

帕累托圖展示

10、簇狀圖

從展示的圖形類型上，簇狀圖可分為簇狀折線圖、簇狀柱形圖和簇狀條形圖等，SPSSAU默認(rèn)均提供；SPSSAU共提供平均值、計數(shù)、求和以及中位數(shù)四種匯總值。簇狀圖時，分類數(shù)據(jù)為0個，1個或2個，SPSSAU均提供對應(yīng)的圖形展示。

簇狀圖展示

11、組合圖

組合圖用于兩類維度值之間有較大差異時的圖形化展示，其有兩個坐標(biāo)軸，分別是主軸和次軸，通常情況下，主軸為數(shù)量較大項，次軸為數(shù)量較大項。比如展示GDP與GDP增長率，主軸為GDP，次軸為GDP增長率。

組合圖展示

12、氣泡圖

氣泡圖可用于展示X和Y之間的關(guān)系情況，并且利用Z標(biāo)識每個點的氣泡大小。同時，SPSSAU支持直接在氣泡中展示‘標(biāo)簽’，并且可使用不同顏色標(biāo)識氣泡。

氣泡圖展示

13、核密度圖

核密度圖是一種非參數(shù)檢驗方法，其是對直方圖的進(jìn)一步抽象化，但其更加直觀，其曲線下面積為1，通常用于連續(xù)數(shù)據(jù)的直觀展示，比如年齡的分布情況，身高的分布情況等。

核密度圖展示

14、小提琴圖

小提琴是是箱線圖和核密度圖的集合，其可通過箱線思維展示數(shù)據(jù)的各個百分位點，與此同時，還可使用核密度圖展示數(shù)據(jù)分布的‘輪廓’效果，‘輪廓’越大，即意味著數(shù)據(jù)越集中于該處，反之則說明該處時數(shù)據(jù)越少。

小提琴圖展示