{
  "id": "scatter-plot",
  "title": "散点图",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "散点图将成对的数值观测表示为坐标轴上的点，揭示变量关系、聚类、异常值及变异模式。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "散布图"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/scatter-plot/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/scatter-plot/",
      "json": "https://aiwiki.page/en/scatter-plot.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "散点图是一种用点表示成对数值观测的图形，通常绘制在两条相互垂直的坐标轴上。每个点记录同一观测单位的两个变量值。散点图广泛应用于统计学和科学研究，可揭示关联模式，包括趋势、曲线形态、聚类、空隙和异常观测。与折线图不同，散点图通常不连接相邻的点，因为这些点的排列顺序未必具有实际意义。"
    },
    {
      "heading": "结构与绘制",
      "text": "对于包含 \\(n\\) 个观测的数据集，绘制的是以下有序对：\n\n\\[(x_1,y_1),\\,(x_2,y_2),\\,\\ldots,\\,(x_n,y_n).\\]\n\n在标准的笛卡尔坐标系中，点 \\(i\\) 的水平位置表示 \\(x_i\\)，竖直位置表示 \\(y_i\\)。两项测量必须对应同一个单位、同一个事件，或在其他意义上合理匹配的观测。将不相关的测量配成一对，可能得到看似合理、实际上却无法解释的图形。\n\n如果目的是考察结果变量如何随预测变量变化，通常将预测变量放在横轴上，将结果变量放在纵轴上。这一惯例并不意味着两者之间存在因果关系。如果两个变量都没有被指定为解释变量，那么采用任一轴向安排都可以。\n\n坐标轴应标明变量及其单位。条形图通过条形相对于基线的长度表示数值大小，而散点图通过点的位置表示数值，因此坐标轴通常不必从零开始。不过，显示范围和纵横比会影响人们对变量关系的视觉判断，不应因此掩盖相关观测。\n\n散点图不同于函数图像：多个观测可以具有相同的横坐标，却具有不同的纵坐标。它展示的是观测到的数值对，不一定为每个输入指定唯一的输出。"
    },
    {
      "heading": "模式解读",
      "text": "解读散点图时，通常会考察以下几个方面。\n\n- **方向：**上升趋势表明，一个变量取值较大时，另一个变量的取值也往往较大；下降趋势则表明情况相反。\n- **形态：**变量关系可能近似线性，也可能呈曲线、周期性或更复杂的形态。\n- **强度：**与围绕某一模式广泛分散的点相比，紧密集中在清晰模式附近的点通常表明关联更强，但强度的含义取决于所考察的关系类型。\n- **群组：**彼此分离的点云可能反映不同的总体、实验条件，或未测量的分组变量。\n- **异常观测：**孤立的点可能代表罕见个案、记录错误，或与所提出模型不一致的观测。\n- **离散程度的变化：**沿横轴方向，点在竖直方向上的离散程度可能增大或减小，表明变异程度取决于预测变量。\n\n这些特征往往同时存在。例如，几个群组各自都可能呈现上升趋势，而合并后的数据却呈现下降趋势。\n\n散点图可以看作对来自某个联合概率分布的样本的展示。点密集或稀疏的区域提示了哪些数值组合出现得更频繁或更少，但仅凭一个个点，并不能得到概率密度的数值估计。"
    },
    {
      "heading": "与相关关系和回归的联系",
      "text": "相关关系\n\n相关关系可用数值加以概括。常用的皮尔逊相关系数衡量线性关联；对于两个变量均非常量的成对数据，其公式为：\n\n\\[r= \\frac{\\sum_{i=1}^{n}(x_i-\\bar{x})(y_i-\\bar{y})} {\\sqrt{\\sum_{i=1}^{n}(x_i-\\bar{x})^2 \\sum_{i=1}^{n}(y_i-\\bar{y})^2}},\\]\n\n其中，\\(\\bar{x}\\) 和 \\(\\bar{y}\\) 分别是两个变量的样本均值。\n\n散点图提供了这一单独系数无法保留的信息。明显的 U 形关系可能具有接近零的相关系数，而相关系数相近的数据集也可能具有截然不同的结构。尤其需要注意，零相关通常并不意味着统计独立性。\n\n统计学家弗朗西斯·安斯库姆于 1973 年提出的安斯库姆四重奏说明了这一局限：四组数据的常用汇总统计量和拟合线性关系几乎完全相同，散点图却明显不同。\n\n叠加回归拟合\n\n散点图中可以叠加一条拟合的线性回归直线：\n\n\\[\\hat{y}=\\hat{\\beta}_0+\\hat{\\beta}_1x,\\]\n\n其参数通常通过普通最小二乘法估计。也可以使用曲线拟合或局部平滑方法描述非线性模式。这些叠加内容是基于模型添加的，并非散点图本身固有的组成部分。\n\n不确定性带需要明确说明其含义。平均响应的置信区间带表示对估计平均关系的不确定性；预测区间带则针对未来的单个观测，在同一模型下通常更宽。\n\n将残差（即观测值与拟合值之差）相对于拟合值或预测变量绘图，可用于检查模型是否恰当。曲线形态可能提示模型遗漏了非线性成分，而漏斗形模式可能表明误差方差并非常数。仅凭散点图，无法确认模型假设成立。"
    },
    {
      "heading": "变体与扩展",
      "text": "分组与多变量展示\n\n颜色或标记形状可以在保留两条数值坐标轴的同时区分类别。标记大小可以表示第三个数值变量，从而形成气泡图。用圆表示数值大小时，通常应使圆的面积而非半径与所表示的数值成正比，否则会夸大大小差异。\n\n三维散点图增加了一个坐标维度，但透视和遮挡可能使静态图难以解读。交互式旋转有所帮助，但并不能消除这些问题。\n\n散点图矩阵将多个数值变量两两配对的散点图排列成网格。对角线上的面板通常展示直方图、密度曲线或变量名称。这类矩阵能够揭示两两变量之间的结构，却可能遗漏只有同时考虑多个变量才会显现的关系。\n\n密集数据或离散数据\n\n当点相互重叠时，过度绘制会掩盖某一区域内实际有多少个观测。常见的处理方法包括：\n\n- 使用更小的标记，或设置一定的透明度；\n- 将不同群组放在不同面板中；\n- 对重复值或离散值施加称为抖动的微小位置偏移；\n- 将数据划入矩形或六边形网格，并用颜色表示计数；\n- 根据密度估计绘制等高线或以明暗、色彩填充的曲面。\n\n这些方法会改变图形的解读方式。抖动引入了人为的位置偏移，不应将其误认为测量精度的体现。分箱图展示的是汇总计数，而非单个观测；透明度也不一定能在线性意义上反映密度。\n\n变换坐标轴\n\n对数坐标轴可以使乘法关系或跨越多个数量级的数据更便于观察。此时，相等的距离表示相等的比值，而不是相等的差值。\n\n当结果变量采用对数刻度、预测变量保持原始刻度时，指数函数关系会呈现为直线。当两个坐标轴都采用对数刻度时，幂律关系会呈现为直线。这些外观可以提示候选模型，却不能证明数据就是由这些模型生成的。普通的对数坐标轴无法表示零或负值。"
    },
    {
      "heading": "应用与局限",
      "text": "散点图可用于探索性分析、测量结果比较、模型检验和研究结果展示。它可以显示结果变量如何随预测变量变化，揭示与聚类分析有关的群组，或展示由主成分分析及其他投影方法得到的低维表示。解读投影图中表面上的接近或分离时，必须考虑投影保留了哪些信息。\n\n以下几项局限尤为重要：\n\n- **关联不等于因果。**可见的关系可能源于混杂、反向因果、共同趋势或选择偏差。因果推断需要额外的假设和恰当的研究设计。\n- **抽样与依赖性很重要。**点云本身并不能表明观测是否具有代表性或彼此独立。来自同一个人、同一地点或同一时间序列的测量可能相互依赖。\n- **缺失观测可能改变模式。**标准散点图只包含两个绘图变量均有可用值的观测；系统性缺失可能扭曲图中显示的关系。\n- **刻度与范围会影响外观。**受限的取值范围、不一致的坐标轴尺度以及极端观测，都可能改变人们对关系强度的判断，或掩盖重要结构。\n- **通常不展示不确定性。**一个点通常表示记录值或估计值，而不是其测量不确定度。当这种不确定性与分析有关时，需要使用误差棒或其他视觉编码方式。\n- **探索并不会自动带来验证。**考察许多变量对后发现的模式，本身并不构成预先指定的统计假设检验所提供的验证性证据。\n\n异常点也需要结合背景理解：某个观测可能在一个变量上取值极端，却并未偏离整体关系；而一个在视觉上不那么孤立的点，也可能对拟合模型产生很大影响。"
    }
  ],
  "links": [
    "statistics",
    "ordered-pair",
    "cartesian-coordinate-system",
    "graph-of-a-function",
    "joint-probability-distribution",
    "correlation",
    "sample-mean",
    "statistical-independence",
    "linear-regression",
    "ordinary-least-squares",
    "confidence-interval",
    "prediction-interval",
    "variance",
    "histogram",
    "density-estimation",
    "logarithm",
    "exponential-function",
    "power-law",
    "cluster-analysis",
    "principal-component-analysis",
    "confounding",
    "selection-bias",
    "causal-inference",
    "time-series",
    "measurement-uncertainty",
    "statistical-hypothesis-testing"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}