关注SPSSAU
数据分析 简单一点
论文问卷 快人一步
科研统计图
SPSSAU出品 · 必属精品 · 建议收藏
↓↓↓↓↓↓↓↓
数据分析结果常以可视化形式呈现，其中统计图扮演着重要角色。这种图形化表达方式能清晰展示数据特征，包括分布情况、变化趋势和内在联系。在学术研究中，我们经常遇到各种统计图表，这些图表不仅便于读者快速把握信息要点，还有助于研究者发现数据中隐藏的模式和独特之处。接下来，我们将详细探讨科研领域常用的20多种统计图表。
统计图可以帮助人们快速地理解和分析数据，找出其中特征和变化规律。在科学研究中一些常用统计图适用情况和举例说明如下：
![]()
下面以SPSSAU输出的统计图为例，详细介绍这20类统计图的使用场景及图形示例。
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。（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】。![]()
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。（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。![]()
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。（2） 非参数检验时查看不同类别X时，Y的数据分布情况；![]()
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。![]()
点击下方链接查看词云图帮助手册：
词云图
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。
![]()
点击下方链接查看误差线图帮助手册：
误差线图
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。(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。
![]()
点击下方链接查看P-P图/Q-Q图帮助手册：
P-P图/Q-Q图
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。![]()
点击下方链接查看ROC曲线帮助手册：
ROC曲线
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。
![]()
点击下方链接查看ROC曲线帮助手册：
象限图
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。
![]()
点击下方链接查看帕累托图帮助手册：
帕累托图
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。![]()
点击下方链接查看簇状图帮助手册：
簇状图
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。![]()
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。
![]()
点击下方链接查看气泡图帮助手册：
气泡图
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。![]()
点击下方链接查看核密度图帮助手册：
核密度图
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。![]()
饼图（或圆环图）用于直观展示数据中各部分占比的大小关系，适合展示分类变量的相对比例，例如不同产品销售占比或市场份额分配情况。![]()
碎石图是一种用于因子分析或主成分分析的图表，其主要作用是帮助分析者确定保留多少个因子或主成分。图中横轴通常表示因子（或主成分）的数量，纵轴表示每个因子的特征值。通过观察特征值的变化趋势，特别是其变化的拐点或“碎石”，来决定保留哪些因子以解释数据中的变异性。堆积柱状图是一种用于比较分类数据的图表，它将不同类别的数据堆积在同一个柱状图上。每个柱状图的高度代表整体的大小，而柱状图内的各个段则表示不同类别的份额或部分占比。这种图表特别适合展示不同类别在总体中的比例变化。![]()
coefPlot图通常指的是系数图，在统计建模中经常用于显示各个解释变量（自变量）的系数估计值及其置信区间。这种图表帮助分析者直观地了解每个变量对因变量（目标变量）的影响程度和方向。![]()
相关分析热力图用于直观显示多个变量之间的相关性强度和方向。通常，热力图通过颜色编码展示相关系数的大小，其中颜色深浅表示相关性的强弱，颜色的正负表示相关性的方向（正相关或负相关）。这种图表帮助分析者快速理解变量之间的关联关系。![]()
聚类树状图能够直观地展示基于相似性或距离的数据层次聚类结果，是一种用于展示数据之间层次关系的图形工具，常用于数据分析和生物信息学领域。它通过递归地将数据分组并逐步合并，形成一个树状结构，以显示数据对象之间的相似性或距离。使用聚类树状图可以帮助研究人员识别数据中的自然群体或分类。![]()
科研论文中的统计图一般包括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：
![]()
举例：下图为在一篇文献中截的一个统计图，大家可以参考：
![]()
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，建议结合数据类型选择合适的统计图进行搭配，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：
![]()
- 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：![]()
![]()
![]()
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。
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：进行调节作用分析时，SPSSAU会自动输出对应的简单斜率图，如下图：![]()
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：![]()
![]()
举例说明3：构建结构方程模型时，SPSSAU自动输出对应的模型图，如下图：
![]()
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。
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：
![]()
![]()
SPSSAU又来送会员啦
点赞+在看+在评论区留言分享
“使用SPSSAU完成科研论文写作or发表”的经历
截止2024年7月29日10:00
留言点赞前18名
赠送SPSSAU日会员抵扣码
若要了解数据分析方法相关的更详细知识，可进入SPSSAU官网查看帮助手册or联系智能客服or人工客服为您解答。
以上就是今天的全部内容啦~
若您想看其他干货内容
请在评论区告诉SPSSAU
![]()
