三分钟学完科研论文常用的统计图

科技   教育   2024-05-14 11:46   北京  

关注SPSSAU

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

↓↓↓↓↓↓↓↓

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。

SPSSAU 


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:


举例:下图为在一篇文献中截的一个统计图,大家可以参考:


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:



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:


得到簇状图结果如下:

簇状折线图


簇状柱形图


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:



  • 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。



  • 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。



  • 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。



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:


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: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:



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:



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:



四、14类统计图介绍


下面针对SPSSAU【可视化】模块提供的14类统计图进行详细说明,包括每种图的作用、使用场景以及图形展示。



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


点击下方链接查看散点图帮助手册:
散点图


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


点击下方链接查看直方图帮助手册:

直方图


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


点击下方链接查看箱线图帮助手册:
箱线图

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


点击下方链接查看词云图帮助手册:

词云图


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


点击下方链接查看误差线图帮助手册:

误差线图


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


点击下方链接查看P-P图/Q-Q图帮助手册:

P-P图/Q-Q图


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


点击下方链接查看ROC曲线帮助手册:

ROC曲线


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


点击下方链接查看ROC曲线帮助手册:

象限图


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


点击下方链接查看帕累托图帮助手册:

帕累托图


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


点击下方链接查看簇状图帮助手册:

簇状图


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


点击下方链接查看组合帮助手册:
组合图

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


点击下方链接查看气泡帮助手册:

气泡图


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


点击下方链接查看核密度帮助手册:

核密度图


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


点击下方链接查看小提琴帮助手册:
小提琴图


更多毕业论文相关资料直通车:

毕业论文能不能引用SPSSAU?如何正确引用?分析结果是否可靠?

本科生毕业论文答辩 | 如何应对导师有关数据研究方面的提问?

回归分析有多少种?毕业论文回归模型该怎么选?如何操作和分析?

毕业论文常见分析方法数据格式汇总

大学生进——毕业论文选题与研究方法确定

毕业论文写作 | 常用分析方法整理

毕业论文 | 那些你找不到的常见标准的参考文献,SPSSAU帮你整理好了,速取

毕业论文 | 13种权重计算相关方法汇总

毕业论文 | 数据分析方法分类汇总

毕业论文 | 问卷调查数据常见分析方法

毕业论文 | 三线表规范格式调整


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







数据分析救命神器

让你的数据处理

非常简单!


点击下方  跳转至SPSSAU官方账号





SPSSAU

数据科学分析平台

www.spssau.com



SPSSAU
SPSSAU官网: https://spssau.com
 最新文章