QC七大手法的使用（五）——散布圖

今天我們繼續(xù)介紹QC七大手法的第五種——散布圖。

散布圖是探討一組成對數據之間是否具有相關性的圖示，其基本的形式如下：

散布圖主要是用來尋找兩種變量間的關系，因此，散布圖也叫相關圖。

在現實的工作、生活中，我們經常會需要分析兩種變量是否有關系，而這種關系往往因為偏差、測量誤差等因素呈現出非線性的關系，不能由數學公式直接計算，這時候通過散布圖，就可以相對方便地觀察出這兩個變量之間的關系。

散布圖的相關性分為強正相關、弱正相關、強負相關、弱負相關、非線性相關、不相關等六種形態(tài)，如下圖所示：

1、強正相關

強正相關，就是一個變量隨另一個變量的增加而增加，并且所有的數據點都分布在較為狹小的區(qū)域內，兩個變量表現出較強的因果關系，比如發(fā)動機的輸出功率和轉速。

2、弱正相關

弱正相關，就是一個變量隨另一個變量的增加而增加，但數據點分布在較寬的范圍內，兩個變量的因果關系表現較弱，比如人的體重和身高。

3、強負相關

強負相關，就是一個變量隨另一個變量的增加而減少，并且所有的數據點都分布在較為狹小的區(qū)域內，兩個變量表現出較強的因果關系，比如油的粘度和溫度。

4、弱負相關

就是一個變量隨另一個變量的增加而減少，但數據點分布在較寬的范圍內，兩個變量的因果關系表現較弱，比如人走路的步速和溫度。

5、非線性相關

非線性相關，就是兩個變量的數據點分布在較狹小的范圍內，但不在一條直線上。

6、不相關

不相關，就是兩個變量的數據點分布在很寬的范圍內，兩者沒有表現出因果關系。

通過散布圖對兩個變量的關系進行分析、判斷，可以尋找控制、改善的方法。

散布圖的畫法如下：

1、收集兩個變量的數據；

2、找出數據中的最大值與最小值；

3、將數據繪制成坐標圖；

4、畫出簡易的回歸線。

在這里，首先需要注意，收集的數據量要足夠多，否則可能因為數據量不足，造成隨機的數據偏差較大，從而導致對相關性的錯誤判斷。

傳統(tǒng)的統(tǒng)計學中，對于數據量的要求是不少于20個，而在散布圖的繪制要求是不少于30個。隨著數據量的增加，變量之間的關系會更加清晰而易于判斷。目前的大數據分析，運用的也是散布圖來尋找變量間的關系。

其次，散布圖繪制后，分析散布圖應謹慎，因為散布圖是用來理解一個變量與另一個變量之間可能存在的關系，這種關系需要進一步的分析，最好做進一步的調查。

再次，對散布圖進行分析時，要注意：

1、散布圖反映的只是一種趨勢，對于定性的結果還需要具體的分析。

2、分析時，應注意對數據的正確分層，否則可能會發(fā)生誤判。

3、在使用散布圖調查兩個因素之間的關系時，應盡可能固定對這兩個因素有影響的其他因素（控制變量法），才能保證通過散布圖分析的結果比較的準確。