多变量的可视化分析精选课件.ppt

图11.8 Scatter plot Matrix对话框 （3）在打开的Scatter plot Matrix对话框中，将食品、衣着、居住三个变量移入Matrix Variables列表框中，将标志变量region移入Label Cases by列表框中。 （4）点击OK按钮，得到如图11.9所示的矩阵散点图。 从图11.9可以看出，河北、山西、内蒙古在居住和食品消费支出方面与北京、天津相比较低，食品与居住支出变量之间存在一定的线性关系。天津在衣着支出方面较低，与最低的河北接近，与最高居住支出形成鲜明对比。北京则除在居住支出方面低于天津外，其他方面支出均高于华北其他省市。内蒙古则在衣着支出方面仅次于北京，显示出某种特殊消费特征。 图11.9 矩阵散点图 另外，还可以作三维立体散点图。只需在Scatter plot对话框（图11.7）中选择3-D选项。在跳出的3-D Scatter plot对话框中将食品、衣着、居住三个变量分别移入X Axis、Y Axis和Z Axis列表框中，将标志变量region移入Label Cases by列表框中。单击OK按钮，则作出图11.10所示的三维立体散点图。 矩阵散点图不仅可以在二维平面上同时反映多个变量数值，而且可以用于直观反映多个变量间是否存在某种关系。与三维立体图相比，有着更好的可视性。比较图11.9与图11.10不难看出这一点。 图11.10 三维立体散点图 第五节 雷达图分析法 雷达图是一种较为常用的多变量可视化图形。在雷达图中，每个变量都有它自己的数值轴，每个数值轴都是从中心向外辐射。由于图形就好像雷达荧光屏上的图像，故称其为雷达图。又像蜘蛛网，所以也称蛛网图。 雷达图的作图方法： （1）作一圆，并按变量的个数p将圆周分成p等分。 （2）连接圆心和各分点，将这p条半径连线依次定义为各变量的坐标轴，并标以适当的刻度。 （3）对给定的一次观测值，将每个变量值分别标在相应的坐标轴上，把p个点相连就形成了一个p边形，n次观测值就可画出n个p边形。 例如，根据表11.1中的数据，调用EXCEL图表向导，选择雷达图，然后按图表向导提示，即可制作出如图11.11～17所示的雷达图。图11.5画出了北京、天津和河北的雷达图，从图可以看出，三省市消费支出结构有较大差异。北京人均消费支出的各项指标都高，对应面积最大的六边形，其次是天津，在三个省市中面积最小的是河北，天津在居住支出方面与北京较为接近，而在衣着和交通、通讯支出方面则与河北接近。其他支出方面三地存在较大差异。利用雷达图的形状、面积大小，可以对样品进行初始分类分析。 为了加强雷达图的效果，在雷达图中适当的分配坐标轴是很重要的，具体的分配办法要结合分析的问题而定。例如可将要对比的指标分布在左、右或上、下方，以便于对比分析。 当观测次数n较大和指标较多时，画出的雷达图线段太多，图形的效果会很差。为了获得较好的可视化效果，在一张雷达图上可以画几个样品观测数据，甚至一张雷达图只画一个样品观测数据。如图11.11～11.17所示，对这些图进行比较分析，也可了解其特点。 图11.11 图11.12 图11.13 图11.14 图11.15 图11.16 第十一章 多变量的可视化分析 第一节 引言 第二节 折线图分析法 第三节 条形图分析法 第四节 散点图分析法 第五节 雷达图分析法 第六节 星座图分析法 第一节 引言 众所周知，图形是我们直观了解、认识数据的一种可视化手段。如果能将所研究的数据直接显示在一个平面图上，便可以一目了然地看出分析变量间的数量关系。直方图、散点图等就是我们常用的二维平面图示方法。虽然三维数据也可以用三维图形来表示，但观测三维数据却存在一定的难度，而且在许多实际问题中，多变量数据的维数通常又都大于3，那么如何用图形直观表现三维以上的数据呢？自上世纪70年代以来，多变量数据的可视化分析研究就一直是人们关注的一个问题。 从研究的成果来看，主要可以分为两类: 一类是使高维空间的点与平面上的某种图形对应，这种图形能反映高维数据的某些特点或数据间的某些关系； 另一类是对多变量数据进行降维处理，在尽可能多地保留原始信息的原则下，将数据的维数降为2维或1维，然后再在平面上表示。例如前面介绍的主成分分析方法、因子分析方法、多维尺度法等就属于此类方法。这里仅介绍5种实用而有效的多变量可视化方法。 表11.1是我国华北地区5个省市2003年城镇居民家庭平均每人全年消费性支出的六项指标数据，下面分别用5种可视化方法对数据进行分析。 考虑微机的普及应用，本章主要介绍5种图形的制作方法，图形的制作则通过电脑实现。折线图、条形