三分钟学完科研论文常用统计图
统计分析的结果通常包括统计图和统计表。统计图是一种用图形表示数据的方式,它能够直观地展示数据的分布、趋势和关系。科研论文中常见的统计图包括条形图、饼图、折线图、散点图等。这些图形可以帮助人们快速地理解和分析数据,找出其中的规律和特征。今天就来讲一讲常用的科研统计图。
一、统计图结构
统计图一般包括5个部分:分别是标题、横标目、纵标目、刻度、图例。具体的说明以及注意事项如下:
![](https://picx.zhimg.com/80/v2-45d23e474c7083f978532eddc71a1ef7_720w.webp?source=d16d100b)
举例:下图为在一篇文献中截的一个统计图,大家可以参考:
![](https://pic1.zhimg.com/80/v2-4f84b91ea3da22321c1de937251d4075_720w.webp?source=d16d100b)
知道了统计图的概念和基本结构之后,接下来,我将为大家详细介绍统计图的分类以及SPSSAU在智能分析中的统计图自动输出功能。
二、统计图分类
1、按数据类型选择统计图
每种类型的统计图的特点不同,所呈现出数据的主要特征也不尽相同,结合数据类型选择合适的统计图进行搭配,才能达到最好的效果。不同的数据类型,适用不同的统计图。
数据可分为定类数据和定量数据两大类,按照X和Y的思维,先识别出X和Y分别的数据类型情况,然后找到适合的统计图作图即可,X与Y组合起来常用的图形见下表:
![](https://picx.zhimg.com/80/v2-f90488eaff75ac61ccf0e52f0c7497a8_720w.webp?source=d16d100b)
举例说明:比如想要分析不同品种和不同施肥方式下,水稻产量的差异,希望通过图形直观展示差异情况。很明显这里2个X均为定类数据,而水稻产量为定量数据,所以可以使用“簇状图”进行可视化分析。
将数据上传至SPSSAU系统,选择“簇状图”,拖拽变量至右侧相应分析框,操作如下图:
![](https://pic1.zhimg.com/80/v2-d99165c4bbcc4cdad19f56911c0c51c5_720w.webp?source=d16d100b)
得到簇状图结果如下:
![](https://picx.zhimg.com/80/v2-566eaf6bb545b9b05264c5ac5c86f36d_720w.webp?source=d16d100b)
簇状折线图
![](https://picx.zhimg.com/80/v2-041ce91d09d9cd815aba7f84363b512c_720w.webp?source=d16d100b)
簇状柱形图
![](https://picx.zhimg.com/80/v2-7726bd5bf2cf511b4b956f02b298e186_720w.webp?source=d16d100b)
簇状条形图
2、常用统计图说明
常用统计图的适用情况和举例说明如下:
![](https://picx.zhimg.com/80/v2-1be52da3b9fe4eb06391e06304e73e14_720w.webp?source=d16d100b)
- 比如:散点图可以很好的展示X随Y的变化情况,所以常用于辅助判断X与Y之间的关系情况。如下图为公司员工起始工资与当前工资的散点图,可以看出二者具有较强的正相关关系。
![](https://picx.zhimg.com/80/v2-b69f804265168a65c4fe872cb9323437_720w.webp?source=d16d100b)
- 直方图可以展示数据的分布情况,可以用于辅助判断数据是否服从正态分布。如下图为某班学习成绩的直方图,可以看出满足“中间高,两头低”的钟形分布,具有正态性特征。
![](https://pic1.zhimg.com/80/v2-4d1e1f3cb886b16f1a0a099ae1fac09b_720w.webp?source=d16d100b)
- 箱线图可以展示数据的整体分布情况,可用于探索且展示异常值数据情况。如下图为变量X5的箱线图,可以明显看出该变量存在一个异常值。
![](https://picx.zhimg.com/80/v2-c2d892008c1fae5ecbe0ba1775389270_720w.webp?source=d16d100b)
SPSSAU当前提供累计共30多类图形,分布于各个方法中自动生成,当然还有一些复杂或者特殊的图形需要自己作图。
三、SPSSAU自动出图
在使用SPSSAU进行数据分析时,选择相应方法进行分析得到分析结果的同时,SPSSAU会默认自动输出对应的统计图分析结果,以及该方法可能涉及的各类统计图。
1、SPSSAU智能化出图
比如使用SPSSAU进行方差分析、t检验等差异性分析方法会自动输出对应的折线图、柱形图等;多选题分析时会自动输出对应的响应率、普及率、帕累托图、交叉汇总图等;回归模型包括线性回归、路径分析、结构方程模型、调节中介等都会自动输出对应的模型图。
举例说明1:使用卡方检验研究不同年龄段是否感染病毒的差异时,SPSSAU会默认输出对应的堆积柱形图、堆积条形图等(右上角切换统计图),如下图:
![](https://pica.zhimg.com/80/v2-76e409d7f7dbf719fb70cb5a28e758b4_720w.webp?source=d16d100b)
举例说明2:使用探索性因子分析时,SPSSAU默认输出对应的碎石图和载荷图,如下图:
![](https://picx.zhimg.com/80/v2-4547c8c8654d09504638e185dd360d33_720w.webp?source=d16d100b)
![](https://picx.zhimg.com/80/v2-59a2fe1bb1e52ab585c0fc61b151c4c2_720w.webp?source=d16d100b)
举例说明3:使用相关分析研究变量间相关性时,SPSSAU默认输出对应的相关分析可视化图,如下图:
![](https://pic1.zhimg.com/80/v2-6fd723474d70566ee5bb5f86a4f8a5e5_720w.webp?source=d16d100b)
举例说明4:构建结构方程模型时,SPSSAU自动输出对应的模型图,如下图:
![](https://pic1.zhimg.com/80/v2-54c6a4236301eece550525f09778a5fb_720w.webp?source=d16d100b)
提示:SPSSAU可视化结合了数据分析方法的思想,默认提供准确的可视化图形展示,这是SPSSAU智能系统的一个组成部分。通常自动输出的第一个统计图是最优的即最合适的。
2、图形调整与美化
SPSSAU当前提供字体、字号、小数位、是否隐藏标签、是否展示Y轴、Y轴颜色设置以及七类色彩风格设置,该设置只需要在任何一个地方设置,后续和其它全部的图都会基于该设置生成‘可视化图’,不需要重复进行设置。
在SPSSAU输出的统计图下方,点击Aa样式进行设置,如下图:
![](https://picx.zhimg.com/80/v2-b5200f91c19f72007c1fc441b214cf7a_720w.webp?source=d16d100b)
1、散点图
散点图用于考察定量数据之间的关联关系,即查看X和Y之间的关系情况。散点图通常用于探索性研究,直观展示出数据间的关联关系情况。
- 使用场景
(1) 相关分析之前,查看X和Y之间的关系情况。
(2) 回归分析后模型检验,查看残差分别与自变量间的关联性【回归模型假定残差不应该与自变量有关联性,即异方差性】。
(3) 其它用于直观展示数据关系的场景。
- 散点图示例
![](https://pica.zhimg.com/80/v2-f904480b32df67551c12492070dc0231_720w.webp?source=d16d100b)
2、直方图
直方图用于直观展示数据分布情况,观察数据的正态分布特性,检验数据是否满足正态性。
- 使用场景
(1) 相关分析时,数据的正态性查看;
(2) 回归分析后模型检验,将残差进行正态性检验,如果残差呈现出正态性意味着模型构建良好,反之说明模型构建较差。
(3) 其他用于查看数据分布、检验正态性的场景等等。
- 直方图展示
![](https://picx.zhimg.com/80/v2-9773bfcd99fd3d5a69587068effc831b_720w.webp?source=d16d100b)
3、箱线图
箱线图(也称盒图,箱盒图等)是在1977年由美国统计学家John Tukey发明,分析数据需要为定量数据。通过箱线图,可以直观的探索数据特征。
- 使用场景
(1) 查看可能的异常值数据情况;
(2) 非参数检验时查看不同类别X时,Y的数据分布情况;
(3) 其它涉及查看数据分布或者异常值查看时。
- 直方图展示
![](https://picx.zhimg.com/80/v2-287b266f0200b48adc5302fd18d65349_720w.webp?source=d16d100b)
4、词云图
词云图是由美国西北大学新闻学教授Rich Gordon提出,“词云”可对文字中出现频率较高的“关键词”予以视觉上的突出,形成“关键词云层”或“关键词渲染”,从而使浏览者只要一眼扫过文本就可以领略文本的主旨。
- 使用场景
(1)直观地展示文本信息,并且突出展示关键信息;
(2)针对有权重的数据信息进行词云展示。
- 词云图展示
![](https://picx.zhimg.com/80/v2-3d497b035b18fc83381cf8d3a0545c08_720w.webp?source=d16d100b)
5、误差线图
误差线图用于展示数据的不确定性程度,显示潜在的误差或每个数据标志的不确定程度。样本数据的波动是通过标准差体现,因而样本均值不确定性程度为标准差。
- 误差线图展示
![](https://pic1.zhimg.com/80/v2-beae18b34214e9c78cb474f023265954_720w.webp?source=d16d100b)
6、P-P图/Q-Q图
P-P图和Q-Q图常用于直观查看数据是否正态分布。P-P图和Q-Q图的目的性基本一致,但原理上有着区别。
使用场景
(1) 方差分析对应的Y值是否具有正态性特质的判断;
(2) 回归分析前,对应的Y值是否具有正态性特质判断;回归分析后,使用P-P图和Q-Q图检查残差值是否有正态性特质;
(3) 二元Logit回归后的残差值是否有正态性特质。
(4) 其它用于直观展示数据正态性的场景。
- P-P图/Q-Q图展示
![](https://pic1.zhimg.com/80/v2-b9e33a52e3c555708165757d2134563f_720w.webp?source=d16d100b)
![](https://pica.zhimg.com/80/v2-3723295ab4c0d5e78faa86fb5bf83428_720w.webp?source=d16d100b)
7、ROC曲线
ROC曲线,也称受试者工作特征曲线;ROC曲线最初是运用在军事上,当前在医学领域使用非常广泛,用于研究X对于Y的预测准确率情况。
- ROC曲线展示
![](https://picx.zhimg.com/80/v2-66bcb7b461fe2b5b3ed5202679de5c7d_720w.webp?source=d16d100b)
8、象限图
象限图可对数据分类进行直观展示;使用水平和垂直分割线将图表区域划分成四个象限,而且每个象限呈现对应的数据。通常情况下,象限图呈现目的在于直接展示数据划分区域。
- 象限图展示
![](https://pic1.zhimg.com/80/v2-83354e55a628048512eeda99b929e6dc_720w.webp?source=d16d100b)
9、帕累托图
帕累托图是“二八原则”的图形化体现,80%的问题是由20%的原因所致;通常情况下帕累托图可用来展现某‘问题’的占比情况,通过图形找出最重要的原因。
- 帕累托图展示
![](https://pica.zhimg.com/80/v2-8d823fad88582c3b1f7589568b938b9c_720w.webp?source=d16d100b)
10、簇状图
从展示的图形类型上,簇状图可分为簇状折线图、簇状柱形图和簇状条形图等,SPSSAU默认均提供;SPSSAU共提供平均值、计数、求和以及中位数四种汇总值。簇状图时,分类数据为0个,1个或2个,SPSSAU均提供对应的图形展示。
- 簇状图展示
![](https://picx.zhimg.com/80/v2-8a5aed166bc10b4704d822888f813d4f_720w.webp?source=d16d100b)
11、组合图
组合图用于两类维度值之间有较大差异时的图形化展示,其有两个坐标轴,分别是主轴和次轴,通常情况下,主轴为数量较大项,次轴为数量较大项。比如展示GDP与GDP增长率,主轴为GDP,次轴为GDP增长率。
- 组合图展示
![](https://pic1.zhimg.com/80/v2-4331b66c3da22d51e57d3b2572772101_720w.webp?source=d16d100b)
12、气泡图
气泡图可用于展示X和Y之间的关系情况,并且利用Z标识每个点的气泡大小。同时,SPSSAU支持直接在气泡中展示‘标签’,并且可使用不同颜色标识气泡。
- 气泡图展示
![](https://picx.zhimg.com/80/v2-25bfbc86ad8e117075706e8878e8ecb1_720w.webp?source=d16d100b)
13、核密度图
核密度图是一种非参数检验方法,其是对直方图的进一步抽象化,但其更加直观,其曲线下面积为1,通常用于连续数据的直观展示,比如年龄的分布情况,身高的分布情况等。
- 核密度图展示
![](https://pic1.zhimg.com/80/v2-334774539bab12c8d09a094ade4608d0_720w.webp?source=d16d100b)
14、小提琴图
小提琴是是箱线图和核密度图的集合,其可通过箱线思维展示数据的各个百分位点,与此同时,还可使用核密度图展示数据分布的‘轮廓’效果,‘轮廓’越大,即意味着数据越集中于该处,反之则说明该处时数据越少。
- 小提琴图展示
![](https://picx.zhimg.com/80/v2-73739c9b33f8501741486cf097918d97_720w.webp?source=d16d100b)