Słownik metodologiczny · Statystyka opisowa

Wykres rozrzutu

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Wykres rozrzutu

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Wykres rozrzutu?

Wykres rozrzutu pokazuje pary wartości dwóch zmiennych ilościowych i ujawnia kształt, skupienia oraz punkty wpływowe.

Zastosowanie, warunki i dobre praktyki

Każdy punkt wykresu rozrzutu reprezentuje parę wyników tej samej jednostki. Wykres pokazuje kierunek, kształt, gęstość, podgrupy i obserwacje wpływowe, których nie streszcza pojedyncza korelacja. Osie muszą mieć jednostki i rozsądny zakres; przy nakładaniu punktów przydają się przezroczystość lub jitter, a linia modelu powinna mieć przedział. Gdy obserwacje należą do grup lub są powtarzane, kolory i linie grupowe pomagają odróżnić zależność wewnątrzgrupową od pozornej zależności między grupami.

Najważniejsze zastosowanie: Używaj przed korelacją i regresją.

Jak poprawnie stosować i interpretować hasło „Wykres rozrzutu”?

Przy ocenie pojęcia „Wykres rozrzutu” należy dobrać geometrię do typu danych i pytania: położenia, rozkładu, związku, zmiany w czasie albo struktury modelu. Dla interpretacji hasła „Wykres rozrzutu” oś, jednostka, mianownik i sposób agregacji muszą być jawne. W odniesieniu do hasła „Wykres rozrzutu” wykres powinien pokazywać dane lub niepewność na tyle, na ile pozwala czytelność, zamiast zastępować rozkład pojedynczą średnią lub dekoracyjnym efektem.

Ocena pojęcia „Wykres rozrzutu” obejmuje sprawdzenie, czy skala osi nie wyolbrzymia różnic, kolory są rozróżnialne, a etykiety pozwalają zrozumieć wartości bez odgadywania legendy. Przy ocenie hasła „Wykres rozrzutu” należy porównać wykres z tabelą źródłową i skontrolować braki, filtrowanie oraz wartości odstające. W analizie dotyczącej hasła „Wykres rozrzutu” automatyczne wygładzanie wymaga podania metody i zakresu niepewności.

Co trzeba opisać w raporcie?

Podpis pod prezentacją „Wykres rozrzutu” powinien nazwać zmienne, jednostki, grupy, liczebności i przedstawioną miarę. Dla interpretacji hasła „Wykres rozrzutu”, jeśli widoczne są przedziały, trzeba wyjaśnić, czy oznaczają SD, SE czy przedział ufności. W odniesieniu do hasła „Wykres rozrzutu” rysunek powinien zachować sens również w druku czarno-białym i mieć opis alternatywny dla odbiorców korzystających z czytnika ekranu.

Zakres raportowania dla hasła „Wykres rozrzutu”: Dodaj jednostki, przezroczystość/jitter przy nakładaniu i linię modelu z CI, jeśli potrzebna.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Silna krzywa w kształcie U może dać r≈0 mimo systematycznej relacji.

Jak ją zinterpretować: Układ punktów ujawnia kierunek, krzywiznę, podgrupy i obserwacje wpływowe, których nie widać w jednym r. Linia dopasowania powinna mieć przedział, a osie jednostki i zakres niewprowadzający w błąd.

Najczęstsza pułapka i granica interpretacji

Sama linia trendu może ukrywać heterogeniczność i skupienia.

Czytelna prezentacja „Wykres rozrzutu” pomaga wykrywać wzorce, ale sam nie testuje hipotezy i może wprowadzać w błąd przez agregację lub selekcję zakresu. Przy ocenie hasła „Wykres rozrzutu” wniosek wymaga zgodności z pełnymi danymi i projektem badania.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Appelbaum et al., 2018).

Powiązane hasła

Wykres słupkowyDominanta (modalna, moda)HistogramKanon jednej różnicyKryterium procenta wyjaśnianej wariancjiKrzywa ROC

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  2. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  3. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  4. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7
  5. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
  6. Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3

Cytowania BibTeX

@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}
@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}
R