1. 散点图的用途
散点图是用两组数据构成多个坐标点，观察坐标点的分布，判断两者之间是否存在某种关联或总结坐标点的分布模式。
从散点图上可以解读两个变量的相互关系，所以一般用于做相关性分析。
2. 什么是相关性分析
对两个或多个具备相关性的变量元素进行分析，从而衡量两个因素的的相关密切程度。通常用来分析两组或多组数据的变化趋势是否一致。比如熬夜频率与脱发是否相关？ 再比如，天气温度是否与碳排放量多少相关？
临床上也需要分析两种疾病的相关性，比如新冠肺炎与心血管疾病的发生是否相关？相关性强弱如何？····这些问题都可以用相关性分析来解决，那么也可以用散点图的形式展现出来。
3. 相关性分析包括哪些内容？
变量间是否存在相关关系？
存在什么相关关系？线性 or 非线性？正相关 or 负相关？
相关性大小？强弱？
4. 相关性散点图怎么看？
1) 坐标轴：
x，y轴分别代表2个变量；
2) 相关性判断：
通过计算相关性系数判断相关性（主要是r值）
相关系数r是反映两个变量之间线性相关程度的指标（R2称为判定系数，用于评估回归模型系数拟合优度）
r的取值范围是[-1,1]。
相关关系的方向：正相关，则r>0；负相关，则r<0
相关关系的强弱：
3) 相关性系数的计算（前两种最常用）
Pearson系数：也叫线性相关系数，用于进行线性相关分析，是最常用的相关系数，当数据满足正态分布时会使用该系数。
Spearman系数：当数据不满足正态分布时，使用该系数。
Kendall系数：通常用于评分数据一致性水平研究（非关系研究）
4) 显著性判断（p值）
P值是用来进行显著性检验的，用来检验变量之间是否有差异以及差异是否显著，P值<0.05，代表数据之间存在显著性的差异。
示例：从图中我们可以得到的信息如下上图x，y轴就分别为LAG3和TRPV3的表达量； 相关性系数是通过Spearman系数来计算的；r=0.287，P<0.001：说明LAG3和TRPV3的表达呈显著弱正相关关系；
5. 其他形式的相关性散点图
不一样的只是形式，解图的方法还是不变，万变不离其宗
（上图显示的是强正相关关系，计算2种相关系数，还标出了回归曲线方程和R2数值，信息比较全面，doi: 10.1016/j.intimp.2020.106828）
（上图显示的是负相关关系，doi: 10.3389/fimmu.2022.872170）
（这张显示的是非线性相关关系，doi: 10.1016/j.intimp.2020.106828）
（这种散点图就是来观察样本分布的，与上面展示相关性的散点图有很大差别，doi: 10.3389/fcell.2022.793425）
