Matrixplot (Streudiagramm-Matrix)

Der Matrixplot zeigt Streudiagramme für alle Paare von zwei oder mehr numerischen Variablen oder ein Y-gegen-X-Raster, optional mit Histogrammen auf der Diagonale und Farbgruppen. Er passt selbst kein Modell an. Verwenden Sie ihn, um Prozesseingänge und -ausgänge vor einer Regression zu sichten, Variablen mit derselben Information zu finden und Cluster zu erkennen. Die geführte Interpretation ordnet jedes X nach dem korrigierten R² als Prädiktor der ersten Variablen.

Zuletzt geprüft

Kernaussage

Ein Matrixplot zeichnet für jedes Variablenpaar ein Streudiagramm in einem Raster, sodass Sie auf einen Blick sehen, welche Variablen sich gemeinsam, welche sich gegenläufig bewegen und welche nicht zusammenhängen.

Auf dieser Seite
  1. Zweck
  2. Wichtigste Funktionen
  3. Statistische Methoden
  4. Eingabefelder und Optionen
  5. Beschreibung der Ausgabe
  6. Beispiel

Zweck

Der Matrixplot zeichnet für jedes Variablenpaar ein Streudiagramm in einem Raster, sodass Sie auf einen Blick sehen, welche Variablen sich gemeinsam bewegen, welche sich gegenläufig bewegen und welche nicht zusammenhängen. Verwenden Sie ihn, um mehrere Prozesseingänge und -ausgänge vor einer Regression zu sichten, Variablen zu finden, die dieselbe Information tragen, oder Cluster und ungewöhnliche Punkte zu erkennen, die ein einzelnes Streudiagramm übersehen würde.

Wichtigste Funktionen

  • Matrix aller Paare von zwei oder mehr numerischen Variablen: ein Streudiagramm für jedes Paar.
  • Y-gegen-X-Raster: eine Zeile je Y-Variable und eine Spalte je X-Variable, wenn X-Variablen festgelegt sind.
  • Vollständige Matrix oder nur die untere linke bzw. obere rechte Hälfte, um die doppelten Felder zu entfernen.
  • Optionale Farbkategorie, um zu sehen, ob sich Gruppen (Chargentyp, Lieferant, Schicht) trennen.
  • Optionale geführte Interpretation: ein Scatterplot Screener, der die übrigen Variablen danach ordnet, wie gut jede die erste vorhersagt.

Statistische Methoden

Es werden nur Zeilen verwendet, in denen alle ausgewählten Variablen numerisch sind, sodass jedes Feld dieselben Beobachtungen zeigt. Das Feld in Zeile i und Spalte j stellt Variable i (vertikal) gegen Variable j (horizontal) dar. Das Diagramm selbst passt kein Modell an; ein gerades, schmales Punktband bedeutet einen starken linearen Zusammenhang, eine Fächerform ungleiche Streuung, und getrennte Punktwolken bedeuten Cluster oder Schichtung.

Die geführte Interpretation verwendet die erste ausgewählte Variable als Y und jede der übrigen als X (bzw. die X-Variablen, wenn festgelegt). Für jedes X passt sie mit der Methode der kleinsten Quadrate eine Gerade und eine quadratische Funktion an und behält die quadratische nur, wenn ihr quadratischer Term auf dem 5%-Niveau signifikant ist. Sie gibt das korrigierte R² des besseren Modells als Predictive Ability (Vorhersagekraft) aus: den Anteil der Streuung von Y, den X allein erklärt, korrigiert um die Anzahl der Terme. Jedes X wird für sich beurteilt; sind Eingänge untereinander korreliert, ist eine multiple Regression nötig, um ihre gemeinsame Wirkung zu sehen.

Eingabefelder und Optionen

Feld

Beschreibung

Variables (or Y variables)

Erforderlich. Zwei oder mehr numerische Spalten für eine Matrix aller Paare. Ist zusätzlich X variables festgelegt, werden diese zu den Zeilen (Y-Variablen) eines Y-gegen-X-Rasters.

X variables (optional)

Optional. Erstellt ein Raster Y-Variablen gegen X-Variablen (Zeilen = Variables oben, Spalten = diese Liste) statt einer Matrix aller Paare.

Color-category column

Optional. Färbt die Punkte nach Gruppe. Wählen Sie „--“ für keine Kategorien.

Matrix layout

Full matrix (Standard), Lower left only oder Upper right only. Gilt nur für die Matrix aller Paare.

Show histograms on the diagonal

Standardmäßig aktiviert: zeichnet in den Diagonalfeldern ein Histogramm jeder Variablen, mit einem überlagerten Histogramm je Kategorie, wenn eine Spalte Color-category festgelegt ist; deaktivieren Sie die Option, um die Diagonalfelder wegzulassen.

Title

Titel des Diagramms. Standard „Matrix Plot“.

Discrete color sequence

Farbpalette für die Kategorien. Standard D3.

Data Options: Subset (optional)

Exclude matching rows (Standard) oder Include only matching rows; Row numbers (z. B. 3,7,12-15) und/oder eine Condition (z. B. Batch_Type == "Premium") wählen die Zeilen aus.

Show guided interpretation

Fügt einen Predictive Ability Report, einen Diagnostic Report und eine Report Card hinzu (Scatterplot Screener für die erste Variable). Standardmäßig deaktiviert.

matrix-plot-inputs


Abbildung 1 – Optionen für das Beispiel: vier Werkstoffeigenschaften, gefärbt nach Batch_Type, Layout unten links, Histogramme auf der Diagonale, geführte Interpretation aktiviert.

Beschreibung der Ausgabe

  • Matrix Plot – das Raster der Streudiagramme, mit einem Histogramm jeder Variablen auf der Diagonale, wenn diese Option aktiviert ist, und nach Kategorie gefärbt mit Legende, wenn eine gewählt ist; fahren Sie mit dem Mauszeiger über einen Punkt, um seine Werte abzulesen.
  • Predictive Ability Report – Balkendiagramm und Tabelle mit dem besten Modell (Linear oder Quadratic) und seinem R-sq(adj) % für jedes X als Prädiktor der ersten Variablen (nur bei geführter Interpretation).
  • Diagnostic Report – auf welche Muster in jedem Feld zu achten ist (nur bei geführter Interpretation).
  • Report Card – Prüfungen auf ungewöhnliche Daten, alternative Grafiken und nächste Schritte (nur bei geführter Interpretation).
  • PDF-Export über Download.

matrix-plot-output


Abbildung 2 – Matrix unten links aus Dichte, Härte, Zugfestigkeit und Bruchdehnung für 40 Chargen, Standard (blau) und Premium (orange), mit dem Histogramm jeder Eigenschaft auf der Diagonale.

Beispiel

Eine Metallurgin hat für jede von 40 Werkstoffchargen (20 Standard, 20 Premium) vier Eigenschaften: Dichte (g/cc), Härte (HB), Zugfestigkeit (MPa) und Bruchdehnung (%). Statt sechs getrennter Streudiagramme wählt sie alle vier als Variables, setzt Color-category column = Batch_Type und Matrix layout = Lower left only, lässt Show histograms on the diagonal aktiviert und aktiviert Show guided interpretation.

Dichte, Härte und Zugfestigkeit steigen gemeinsam in schmalen, geraden Bändern an: Ihre Korrelationen liegen bei 0.97 bis 0.99. Die Bruchdehnung verläuft lockerer in die Gegenrichtung: Festere Chargen sind weniger duktil (Korrelationen etwa −0.46 bis −0.51). Premium-Chargen liegen bei Härte (Mittelwert 212.9 gegenüber 180.1 HB) und Zugfestigkeit (1253.6 gegenüber 1126.2 MPa) höher, während sich ihre Dichte kaum unterscheidet (7.878 gegenüber 7.850 g/cc).

Der Predictive Ability Report mit der Dichte als Y zeigt, dass Härte (R-sq(adj) 96.4%) und Zugfestigkeit (93.7%) die Dichte jeweils fast vollständig mit einer Geraden vorhersagen, während die Bruchdehnung nur 18.8% erklärt. Für das Team bedeutet das, dass Härte, Zugfestigkeit und Dichte nahezu dieselbe Information tragen: Eine schnelle Härteprüfung kann Chargen auf Festigkeit vorsortieren, und die Bruchdehnung muss separat gemessen werden, weil sie sich aus den anderen nicht gut ableiten lässt.

Häufig gestellte Fragen

Wann sollte man einen Matrixplot verwenden?

Verwenden Sie einen Matrixplot, um mehrere Prozesseingänge und -ausgänge vor einer Regression zu sichten, Variablen zu finden, die dieselbe Information tragen, oder Cluster und ungewöhnliche Punkte zu erkennen, die ein einzelnes Streudiagramm übersehen würde. Er ersetzt viele getrennte Streudiagramme durch ein Raster; vier Variablen würden sonst zum Beispiel sechs Streudiagramme erfordern.

Wie liest man einen Matrixplot?

Jedes Feld stellt eine Variable gegen eine andere dar. Ein gerades, schmales Punktband bedeutet einen starken linearen Zusammenhang, eine Fächerform ungleiche Streuung, und getrennte Punktwolken bedeuten Cluster oder Schichtung. Es werden nur Zeilen verwendet, in denen alle ausgewählten Variablen numerisch sind, sodass jedes Feld dieselben Beobachtungen zeigt.

Was ist der Predictive Ability Report in einem Matrixplot?

Bei geführter Interpretation ist die erste Variable Y und jede andere Variable ein X. Für jedes X werden eine Gerade und eine quadratische Funktion angepasst, wobei die quadratische nur behalten wird, wenn ihr quadratischer Term auf dem 5%-Niveau signifikant ist. Das korrigierte R² des besseren Modells wird als Predictive Ability ausgegeben, also der Anteil der Streuung von Y, den X allein erklärt.

Was ist der Unterschied zwischen der vollständigen Matrix und dem Layout unten links?

Die vollständige Matrix zeigt jedes Paar in beiden Richtungen, sodass jeder Zusammenhang zweimal erscheint. Das Layout unten links oder oben rechts zeigt nur die Hälfte der Matrix, um die doppelten Felder zu entfernen. Die Layoutoptionen gelten nur für die Matrix aller Paare, nicht für ein Y-gegen-X-Raster.