散佈相關圖是兩個變數之間關係的視覺化呈現。它將資料點以點狀顯示在圖表上，一個變數顯示於X軸，另一個變數顯示於Y軸。點的分佈模式可以顯示變數之間相關性的強度與方向。本文將介紹散佈圖、散佈圖相關性的不同類型等內容。
第一部分：散佈圖的定義
散佈圖，也稱為散點圖，是一種數學圖表，使用笛卡兒座標來顯示一組資料中兩個變數的數值。
資料點以點集合的形式顯示，每個點的一個變數數值決定其水平軸位置，另一個變數數值決定其垂直軸位置。
第二部分：相關性的不同類型
相關性有多種類型，這些類型都可以透過散佈圖與相關性有效呈現。
- 正相關：當一個變數的數值增加，另一個變數的數值也跟著增加時，即存在正相關。換言之，一個變數上升，另一個變數也跟著上升。
- 負相關：當一個變數的數值增加，另一個變數的數值卻減少時，即為負相關。在這種情況下，一個變數上升，另一個變數則下降。
- 零相關：顧名思義，零相關表示兩個變數之間沒有任何關係，一個變數的數值不會影響另一個變數的數值。
第三部分：如何分析相關性的強度與方向
分析相關性的強度與方向非常重要，遵循幾個關鍵技巧就能高效完成。
1. 計算相關係數：
相關係數通常以「r」表示，是一種統計指標，用於顯示兩個變數之間關係的強度與方向。其數值範圍為 -1 到 1：-1 代表完全負相關、1 代表完全正相關、0 代表無相關。
2. 視覺檢視散佈圖：
透過肉眼觀察散佈圖，可以判斷相關性的方向與強度。如果散佈圖上的點形成明確的模式，則代表強相關；相關性的方向可透過模式的斜率判斷（正斜率或負斜率）。
第四部分：解讀相關係數時的注意事項
解讀相關係數需要留意幾個關鍵重點，確保解讀結果有效。散佈圖相關性能幫助我們更有效地解讀相關係數。
- 相關係數的絕對值：相關係數的絕對值代表變數之間關係的強度。數值接近 1 或 -1 表示強相關，數值接近 0 表示弱相關。
- 相關係數的正負號：相關係數的正負號代表關係的方向。正數代表正相關、負數代表負相關、數值接近 0 代表無相關。
- 離群值與影響點：離群值（遠離其他資料的點）會對相關係數產生顯著影響，識別並評估離群值對相關分析的影響非常重要。
- 非線性關係：相關係數僅衡量兩個變數之間的線性關係。若兩者為非線性關係，相關係數可能無法準確代表真實關聯。
- 因果關係 vs 相關性：務必牢記：相關性不等於因果關係。即使兩個變數高度相關，也不代表一個變數的變化會導致另一個變數改變。
第五部分：使用 EdrawMax 製作散佈相關圖
Wondershare EdrawMax 是一款功能強大且操作簡單的資料視覺化工具，可用於製作散佈相關圖。
散佈相關圖能讓我們透過在散佈圖相關性上繪製點來視覺化兩個變數的關係。此外，該工具還支援自訂資料點、線條、標籤等內容，進一步強調關係與模式。以下是使用該工具製作散佈相關圖的步驟：
步驟 1：
首先登入你的 Wondershare EdrawMax 帳號，輸入登入資訊後點擊登入按鈕，進入平台。
步驟 2：
登入後，找到介面左上角的「新建」圖示並點擊，即可開啟空白畫布，開始設計散佈相關圖。
步驟 3：
接著前往左側欄選擇「模版」選項，開啟範本庫。在搜尋欄輸入「散佈相關圖」並按下Enter，挑選最符合需求的範本並點擊開啟。
步驟 4：
現在你可以依照喜好修改範本，自訂字體、顏色與樣式，打造理想的圖表外觀。
步驟 5：
修改完成後，儲存你的圖表。點擊頂部工具列的「儲存」按鈕，為圖表命名，並選擇儲存到電腦或雲端空間。
步驟 6：
最後，若需要分享或在其他地方使用圖表，可從 EdrawMax 匯出。點擊頂部工具列的「匯出」按鈕，選擇所需的檔案格式即可。
結語
散佈圖能視覺化呈現兩個變數的關係，而相關係數則量化了這種關係的強度與方向。瞭解不同類型的相關性，以及如何分析和解讀相關係數，對於在各領域做出明智決策至關重要。
(AI & Web)