Streudiagramm 2D (Scatter Plot 2D)

Ein 2D-Streudiagramm ist eine Form der Datenvisualisierung, die den Zusammenhang zwischen zwei stetigen Variablen in einem zweidimensionalen (2D) Raum darstellt. Jeder Datenpunkt im Diagramm entspricht einem geordneten Wertepaar der beiden Variablen, eingetragen in ein kartesisches Koordinatensystem.

Zuletzt geprüft

Kernaussage

Ein 2D-Streudiagramm ist eine Form der Datenvisualisierung, die den Zusammenhang zwischen zwei stetigen Variablen in einem zweidimensionalen (2D) Raum darstellt.

Auf dieser Seite
  1. Was ist ein 2D-Streudiagramm?
  2. Wann wird ein 2D-Streudiagramm eingesetzt?
  3. Hinweise zur richtigen Anwendung des 2D-Streudiagramms
  4. Alternativen: Wann das 2D-Streudiagramm nicht geeignet ist
  5. Beispiel für ein 2D-Streudiagramm
  6. Anleitung: 2D-Streudiagramm erstellen

Was ist ein 2D-Streudiagramm?

Ein 2D-Streudiagramm ist eine Form der Datenvisualisierung, die den Zusammenhang zwischen zwei stetigen Variablen in einem zweidimensionalen (2D) Raum darstellt. Jeder Datenpunkt im Diagramm entspricht einem geordneten Wertepaar der beiden Variablen, eingetragen in ein kartesisches Koordinatensystem. Die x-Achse stellt üblicherweise die eine Variable dar, die y-Achse die andere. Die Lage jedes Punkts im Diagramm gibt die konkreten Werte beider Variablen für diesen Datenpunkt an.

Wann wird ein 2D-Streudiagramm eingesetzt?

In folgenden Situationen ist ein 2D-Streudiagramm besonders nützlich:

  • Zusammenhänge untersuchen: Streudiagramme helfen, den Zusammenhang zwischen zwei Variablen zu verstehen. Sie können zeigen, ob eine positive oder negative Korrelation, ein linearer oder nichtlinearer Zusammenhang oder überhaupt kein erkennbarer Zusammenhang besteht.
  • Ausreißer erkennen: Streudiagramme können Ausreißer in den Daten sichtbar machen. Ausreißer sind Datenpunkte, die deutlich vom allgemeinen Muster abweichen; sie können wertvolle Erkenntnisse liefern oder auf mögliche Fehler oder Auffälligkeiten im Datensatz hinweisen.
  • Cluster erkennen: Streudiagramme können Cluster oder Gruppen in den Daten aufzeigen. Häufen sich bestimmte Datenpunkte, deutet dies darauf hin, dass sie ähnliche Eigenschaften haben oder sich ähnlich verhalten.
  • Gruppen vergleichen: Mit Streudiagrammen lässt sich die Verteilung bzw. der Zusammenhang zweier Variablen über verschiedene Gruppen oder Kategorien hinweg vergleichen. Werden jeder Gruppe unterschiedliche Farben oder Symbole zugeordnet, lassen sich Unterschiede oder Gemeinsamkeiten leichter analysieren.
  • Trends darstellen: Streudiagramme können Trends über die Zeit oder über eine andere stetige Variable sichtbar machen. Werden die Datenpunkte in chronologischer oder fortlaufender Reihenfolge eingetragen, lassen sich Muster wie steigende oder fallende Trends erkennen.
  • Verteilung der Daten: Streudiagramme geben Aufschluss über die Verteilung der Datenpunkte entlang der beiden Variablen. Sie zeigen die Konzentration oder Streuung der Datenpunkte und damit einen Eindruck von Streubreite und Dichte der Daten.

Hinweise zur richtigen Anwendung des 2D-Streudiagramms

  • Die Daten für ein aussagekräftiges Diagramm sollten aus einem oder mehreren Paaren numerischer Spalten oder Datums-/Zeitspalten bestehen.
  • Jedes Spaltenpaar sollte dieselbe Anzahl von Zeilen haben.
  • Für die Gruppierung können bis zu drei Spalten mit kategorialen Daten einbezogen werden.
  • Der Stichprobenumfang sollte mittel bis groß sein, damit Muster in den Daten deutlicher werden.
  • Ein Streudiagramm mit angepasster Regressionsgerade ist bei einem Stichprobenumfang von etwa 40 oder mehr am aussagekräftigsten.
  • Bei einem Stichprobenumfang unter 40 kann die angepasste Regressionsgerade ungenauer sein.
  • Eine zufällige Auswahl der Stichprobendaten ist wichtig, um Verallgemeinerungen auf die Grundgesamtheit treffen zu können.
  • Nicht zufällig erhobene Daten bilden die Grundgesamtheit möglicherweise nicht genau ab.
  • Erfassen Sie die Daten in der Reihenfolge ihrer Erhebung, um zeitabhängige Muster beurteilen zu können.

Alternativen: Wann das 2D-Streudiagramm nicht geeignet ist

  • Zeitreihendiagramm: Ein Zeitreihendiagramm ist geeignet, wenn die Daten in chronologischer Reihenfolge in regelmäßigen Abständen erhoben wurden und Sie die Daten im Zeitverlauf darstellen möchten.

Beispiel für ein 2D-Streudiagramm

Eine auf medizinische Studien spezialisierte Forscherin untersucht Übergewicht bei Mädchen im Teenageralter. Da die direkte Messung des Körperfettanteils aufwendig und teuer ist, möchte sie klären, ob der Body-Mass-Index (BMI) ein verlässlicher Indikator für den Körperfettanteil ist. Dazu erhebt sie bei einer Gruppe von 92 jugendlichen Mädchen Daten zu BMI, Körperfettanteil und weiteren persönlichen Faktoren. Als ersten Schritt der Untersuchung erstellt sie ein Streudiagramm, das die Korrelation zwischen Körperfettanteil und BMI darstellt und eine Beurteilung des Zusammenhangs zwischen diesen beiden Variablen ermöglicht. Die folgenden Schritte:

  1. Die erforderlichen Daten wurden erhoben.
Scatter Plot 2D — figure 1
  1. Analysieren Sie die Daten nun in Zometric Statistical Software unter https://statsai.zometric.com/.
  2. Das 2D-Streudiagramm finden Sie unter Statistical module> Graphical analysis > Scatter Plot 2D.
  3. Geben Sie im Werkzeug die Daten zusammen mit den weiteren Eingaben wie folgt ein:
  4. Nach Ausführung des oben genannten Werkzeugs erhalten Sie folgende Ausgabe:
Scatter Plot 2D — figure 2Scatter Plot 2D — figure 3

Anleitung: 2D-Streudiagramm erstellen

Die Anleitung lautet wie folgt:

  1. Melden Sie sich bei Zometric Statistical Software an unter https://statsai.zometric.com/
  2. Wählen Sie auf der Startseite Statistical Tool> Graphical analysis >Scatter Plot 2D.
  3. Geben Sie die Daten anschließend manuell ein, oder kopieren Sie die Daten vollständig (Strg+C) aus einer Excel-Tabelle und fügen Sie sie ein (Strg+V). Alternativ gibt es die Option Load Example, mit der Beispieldaten geladen werden.
  4. Ordnen Sie anschließend die Spalten den Parametern zu.
  5. Klicken Sie abschließend unten auf der Seite auf calculate, um die gewünschten Ergebnisse zu erhalten.

Das Dashboard von Scatter Plot 2D ist in zwei Bereiche unterteilt.

Scatter Plot 2D — figure 4

Im linken Bereich befindet sich der Datenbereich (Data Pane). Im Data Pane bildet jede Zeile eine Teilgruppe. Die Daten können manuell eingegeben oder vollständig aus einer Excel-Tabelle kopiert (Strg+C) und hier eingefügt (Strg+V) werden.

Load example: Es werden Beispieldaten geladen.

Load File: Damit werden Excel-Daten direkt geladen.

Im rechten Bereich stehen folgende Optionen zur Verfügung:

Trend Line Type: In einem 2D-Streudiagramm ist eine Trendlinie, auch Ausgleichsgerade oder Regressionsgerade genannt, eine Linie, die die allgemeine Richtung bzw. den Trend der Datenpunkte darstellt. Sie dient dazu, den Zusammenhang zwischen den beiden im Streudiagramm dargestellten Variablen zu verstehen.

  • OLS: Im Zusammenhang mit einem Streudiagramm bezeichnet eine OLS-Trendlinie eine Gerade, die die Datenpunkte nach der Methode der kleinsten Quadrate (OLS) bestmöglich anpasst.
  • Lowess: Die Lowess-Trendlinie (Locally Weighted Scatterplot Smoothing, lokal gewichtete Glättung) ist ein nichtparametrisches Regressionsverfahren zur Schätzung des zugrunde liegenden Trends bzw. Zusammenhangs zwischen zwei Variablen. Anders als die OLS-Trendlinie, die einen linearen Zusammenhang voraussetzt, kann die Lowess-Trendlinie komplexere und nichtlineare Muster in den Daten erfassen.
  • Expanding: In einem 2D-Streudiagramm bezeichnet eine expandierende Trendlinie eine Trendlinie, die sich anpasst und erweitert, wenn dem Diagramm weitere Datenpunkte hinzugefügt werden. Statt einer festen Menge von Datenpunkten berücksichtigt eine expandierende Trendlinie alle verfügbaren Datenpunkte bis zum aktuell dargestellten Punkt.

Subplot Distribution: Die Aufteilung in Teildiagramme ermöglicht die gleichzeitige Darstellung und den Vergleich mehrerer Streudiagramme, sodass sich Muster, Zusammenhänge oder Unterschiede zwischen verschiedenen Datensätzen oder Variablen leichter erkennen lassen. Jedes Teildiagramm kann eine andere Teilmenge der Daten oder eine andere Kombination von Variablen darstellen und bietet so eine umfassende Sicht auf die Daten aus verschiedenen Blickwinkeln.

Discrete color sequence: Eine diskrete Farbfolge ist ein Satz unterschiedlicher Farben, mit denen kategoriale Datenpunkte in einem Diagramm wie einem 2D-Streudiagramm unterschieden werden. Dieser Ansatz ist besonders nützlich bei Daten mit mehreren Kategorien oder Gruppen, da sich diese Gruppen so klar und sofort voneinander unterscheiden lassen.

Color scale: Damit lassen sich Datenmuster besser darstellen und bestimmte Wertebereiche hervorheben.

Download as Excel: Gibt das Ergebnis im Excel-Format aus, das sich leicht bearbeiten und über die Option Load File erneut für Berechnungen laden lässt.

Häufig gestellte Fragen

Was ist ein 2D-Streudiagramm?

Ein 2D-Streudiagramm ist ein Diagramm, das den Zusammenhang zwischen zwei stetigen Variablen zeigt. Jeder Punkt ist ein geordnetes Wertepaar im kartesischen Koordinatensystem, mit einer Variablen auf der x-Achse und der anderen auf der y-Achse, sodass die Lage des Punkts die Werte beider Variablen für diese Beobachtung angibt.

Was kann ein Streudiagramm zeigen?

Ein Streudiagramm kann eine positive oder negative Korrelation, lineare oder nichtlineare Zusammenhänge oder das Fehlen eines erkennbaren Zusammenhangs zeigen. Es macht außerdem Ausreißer sichtbar, die vom allgemeinen Muster abweichen, Cluster ähnlicher Punkte, Unterschiede zwischen Gruppen in unterschiedlichen Farben oder Symbolen sowie Streubreite und Dichte der Daten entlang beider Variablen.

Wie viele Datenpunkte benötigt man für ein Streudiagramm mit Regressionsgerade?

Eine mittlere bis große Stichprobe ergibt deutlichere Muster. Ein Streudiagramm mit angepasster Regressionsgerade ist bei einem Stichprobenumfang von etwa 40 oder mehr am aussagekräftigsten; unter 40 kann die angepasste Gerade ungenauer sein. Die Daten sollten zufällig erhoben werden, um auf die Grundgesamtheit verallgemeinern zu können, und in der Reihenfolge der Erhebung erfasst werden, um zeitabhängige Muster zu prüfen.

Was ist der Unterschied zwischen OLS- und Lowess-Trendlinien?

Eine OLS-Trendlinie ist die Gerade, die die Punkte nach der Methode der kleinsten Quadrate (Ordinary Least Squares) bestmöglich anpasst; sie setzt also einen linearen Zusammenhang voraus. Eine Lowess-Trendlinie (Locally Weighted Scatterplot Smoothing, lokal gewichtete Glättung) ist ein nichtparametrisches Verfahren, das komplexeren, nichtlinearen Mustern im Zusammenhang zwischen den beiden Variablen folgen kann.