Vad diagrammet visar
Ett spridningsdiagram ritar par av värden, två storheter mätta på samma person, sak eller tillfälle. Varje par blir en punkt, med den ena storheten längs x-axeln och den andra längs y-axeln. NIST:s handbok i statistiska metoder beskriver diagrammet som ett sätt att avslöja samband mellan två variabler: på den lodräta axeln står oftast den storhet man vill förklara, på den vågräta den man tror hänger ihop med den.
Figurens data
| Förberedelse (h) | Poäng |
|---|---|
| 1 | 12 |
| 2 | 15 |
| 3 | 14 |
| 4 | 19 |
| 5 | 21 |
| 6 | 20 |
| 7 | 25 |
| 8 | 26 |
Mönstret i punktsvärmen är det diagrammet visar:
- Riktningen. Stiger punkterna åt höger är sambandet positivt: större x hänger ihop med större y. Faller de är det negativt. Saknas en lutning finns inget linjärt samband.
- Styrkan. Ju närmare en rät linje punkterna ligger, desto starkare är det linjära sambandet.
- Formen. Ett samband kan vara krökt, och punkterna kan bilda grupper.
- Avvikare. En punkt som ligger långt från de andra, och som kan vara ett mätfel eller ett intressant undantag.
Så läser du det
- En punkts värden. Gå lodrätt ned till x-axeln och vågrätt till y-axeln. Eleven som förberedde sig 5 timmar fick 21 poäng.
- Riktningen. Här stiger punkterna: fler timmar hänger ihop med fler poäng.
- Regressionslinjen. Den räta linje som ligger närmast punkterna, räknad med minsta kvadratmetoden. För de åtta eleverna är den y = 2x + 10: varje timme hänger ihop med 2 poäng till, och linjen går genom medelpunkten, 4,5 timmar och 19 poäng.
- Styrkan som ett tal. Korrelationskoefficienten r ligger mellan −1 och 1. Här är r ≈ 0,97, ett starkt positivt linjärt samband.
När det passar och när inte
Ett spridningsdiagram passar när två storheter har mätts i par och frågan är om de hänger ihop. UNECE:s guide för statistikpresentation kallar det det mest exakta sättet att visa korrelation, och noterar att en del analytiker ändå föredrar stapeldiagram, eftersom spridningsdiagram kan vara svåra att tolka.
Det passar inte när:
- Bara en storhet har mätts. Fördelningen visas i ett histogram eller ett lådagram.
- Den ena storheten är kategorier. Medelpoäng per klass är ett stapeldiagram.
- x är tid och utvecklingen är frågan. Ett linjediagram förenar punkterna i ordning och visar förändringen.
Vanliga fel
- Ett samband läst som en orsak. NIST skriver att samband inte innebär orsakssamband och att ett spridningsdiagram aldrig kan bevisa orsak och verkan. Två storheter kan båda bero på en tredje, eller hänga ihop av en slump i ett litet urval. Se korrelation och kausalitet.
- r nära 0 läst som inget samband. r mäter bara hur väl en rät linje passar. Punkterna (−2, 4), (−1, 1), (0, 0), (1, 1) och (2, 4) ligger exakt på kurvan y = x², och ändå är r = 0.
- Linjen förlängd utanför data. Regressionslinjen beskriver de värden som finns. För 12 timmar ger den y = 2 · 12 + 10 = 34 poäng, mer än provets 30. Att använda linjen utanför de mätta värdena kallas extrapolation, och den kan ge orimliga svar.
- x och y bytta. Linjen för y uttryckt i x är inte samma linje som för x uttryckt i y, utom när alla punkter ligger på en rät linje (nedan).
Fördjupning: vad r och linjen säger, och inte säger
Korrelationskoefficienten och regressionslinjen sammanfattar punkterna med några få tal, och olika punktsvärmar kan ge samma tal. F. J. Anscombe konstruerade 1973 fyra datamängder om elva punkter var där x har medelvärdet 9 och y medelvärdet 7,5, korrelationen är 0,82 och regressionslinjen är y = 3 + 0,5x i alla fyra. I ett spridningsdiagram ser de helt olika ut: en punktsvärm kring en linje, en krökt kurva, en rät linje med en enda avvikare och tio punkter rakt ovanför varandra med den elfte långt åt sidan. Diagrammet behövs alltså även när talen är kända.
Kvadraten på r, r², är den andel av y-värdenas variation som linjen förklarar. För de åtta eleverna är r² ≈ 0,93. Det säger hur väl linjen beskriver dessa åtta, inte att förberedelsetiden förklarar 93 % av provresultaten i allmänhet.
Minsta kvadratmetoden lägger linjen så att summan av de lodräta avståndens kvadrater blir så liten som möjligt. Byts axlarna mäts avstånden vågrätt i stället, och det ger en annan linje. För de åtta eleverna har linjen för y i x lutningen 2, medan linjen för x i y, omskriven som y uttryckt i x, har lutningen ungefär 2,14. De två sammanfaller bara när r = 1 eller r = −1.