交互与用户体验 / 系统课时
用散点图判断相关关系与离群点
用散点图判断相关关系与离群点
当两项数值都可能影响业务判断时,散点图可以同时展示变量之间的整体趋势、样本聚集区域和异常点。本篇以十家门店的广告投入与订单量为例,完成一张能够识别相关关系、定位特殊样本并支持业务核查的散点图。
学习目标
- 正确设置散点图的横纵坐标,识别正相关、负相关、非线性关系和点群分布。
- 利用相同横轴取值下的差异发现离群点,并制定核查方法。
- 设计突出关键样本的散点图,避免把相关关系误写成因果结论。
确定每个点代表什么
散点图适合展示两个数值变量之间的关系。每条记录对应一个点,横坐标表示变量 X,纵坐标表示变量 Y。与折线图不同,散点图通常不连接相邻样本,因为样本之间不一定存在时间顺序。
假设分析十家门店在同一自然周的广告投入与已支付订单量,数据如下,均为教学用虚构数据。
| 门店 | 广告投入(千元) | 已支付订单(单) |
|---|---|---|
| A | 2 | 22 |
| B | 3 | 28 |
| C | 4 | 30 |
| D | 5 | 37 |
| E | 6 | 39 |
| F | 7 | 46 |
| G | 8 | 51 |
| H | 9 | 53 |
| I | 10 | 60 |
| J | 8 | 18 |
绘制时采用以下设置:
- 横轴选择广告投入,范围为 0~12 千元,刻度间隔 2 千元。
- 纵轴选择已支付订单量,范围为 0~70 单,刻度间隔 10 单。
- 每家门店绘制一个圆点,坐标直接来自表格中的两个数值。
- 普通点采用统一颜色,将需要核查的 J 门店用强调色和文字标签标出。
这里的观察单位是门店,时间口径是同一自然周。如果混入不同统计周期,或者有的记录按订单笔数、有的按商品件数计算,即使图形看起来存在规律,也无法可靠比较。
从点群识别关系与特殊样本
阅读散点图时,先观察多数点的总体方向,再检查点群形状,最后定位远离主要分布的样本。
正向关系表现为多数点从左下延伸到右上,X 较大时 Y 通常也较大。负向关系表现为点群从左上延伸到右下。若点围绕一条弯曲轨迹分布,则可能存在非线性关系;若点分成明显的几团,应进一步按门店类型、地区等字段分组核查。
本例中,A~I 九家门店大致形成向右上方延伸的点带,说明样本呈现正向关联的视觉特征。但 J 位于坐标(8,18),明显低于主要点群。同样投入 8 千元的 G 门店有 51 单,两者相差 33 单。

判断关系强弱时,不能只看方向,还要看点相对于整体走势的离散程度。如果相近的 X 对应差异很大的 Y,说明仅靠 X 难以准确判断 Y。本例仅有十个样本,适合发现候选规律,不足以单凭图形断言统计显著性。
核查离群点而不是直接删除
离群点是相对于主要分布明显偏离的观察值,并不自动等于错误数据。J 门店可能存在数据口径问题,也可能反映真实的业务差异。
建议按以下顺序核查:
- 检查记录准确性:确认广告金额单位为千元,订单量采用同一自然周与相同支付状态口径,排查错行、重复记录或缺失数据。
- 检查业务背景:核对 J 的营业天数、库存、门店规模、地理位置和促销活动是否与其他门店可比。
- 检查分组差异:如果 J 属于与其他样本不同的门店类型,分别查看同类型门店的分布,而不是直接混合比较。
- 保留核查轨迹:如果确认数据录入错误,应修正原始记录后重新绘图;如果数据真实,则保留 J 并添加异常原因或待核查标签。
分析时还可以分别查看包含 J 与不包含 J 的探索性结果,观察整体趋势是否发生明显变化。但不能为了获得更漂亮的趋势而静默删点;任何排除都应说明规则和影响。
让图表结论准确且可执行
一张用于业务分析的散点图需要让读者迅速理解坐标含义,并找到值得进一步调查的样本。
建议普通点使用直径约 8~10 像素的统一圆形,关键异常点使用强调色及门店编号。网格线保持浅灰,坐标轴标注完整单位,避免使用与分析无关的多种颜色。散点图不强制要求坐标轴从零开始,但若截取局部范围,必须清楚展示刻度,避免夸大差异。
对于本例,可以写出这样的业务结论:
在这十家虚构门店中,广告投入较高的门店通常具有较多订单,整体呈正向关联。G 与 J 的广告投入均为 8 千元,但订单量分别为 51 单和 18 单。建议优先核查 J 的营业、库存、促销及数据记录情况。
不能将上述结果改写为‘增加广告投入必然增加订单’,因为门店规模、客流量、地理位置与促销力度等因素可能同时影响广告预算和订单数。仅凭观察性散点图无法确认广告投入的独立因果效果。
如果业务目标是判断增加广告预算能否提高订单量,可以在条件相近的门店中设计随机分组试验,设置预算调整组与对照组,保持相同观察周期,并比较订单变化。散点图负责发现关联和特殊样本,因果判断则需要额外的研究设计与证据。
最终验收时,检查三个问题:每个点是否对应一条口径一致的记录;读者能否直接识别 G 与 J 的 33 单差异;图注是否把观察到的关联与尚未证实的原因明确区分。三项都满足,这张散点图才真正能够支持下一步业务调查。