矩陣圖

矩陣圖顯示兩個或更多數值型變數所有配對的散佈圖,或 Y 對 X 的網格,並可選在對角線上顯示直方圖和按顏色分組。它本身不配適任何模型。可在迴歸之前用它篩選製程輸入和輸出,找出攜帶相同資訊的變數,並發現集群。引導式解讀按調整 R² 對每個 X 作為第一個變數的預測因子進行排序。

最後審閱

核心要點

矩陣圖在一個網格中為每一對變數繪製散佈圖,讓您一眼看出哪些變數同向變化、哪些反向變化、哪些互不相關。

本頁內容
  1. 用途
  2. 主要功能
  3. 統計方法
  4. 輸入欄位和選項
  5. 輸出說明
  6. 計算範例

用途

矩陣圖在一個網格中為每一對變數繪製散佈圖,讓您一眼看出哪些變數同向變化、哪些反向變化、哪些互不相關。可在迴歸之前用它篩選多個製程輸入和輸出,找出攜帶相同資訊的變數,或發現單一散佈圖可能遺漏的集群和異常點。

主要功能

  • 兩個或更多數值型變數的全配對矩陣:每一對變數一幅散佈圖。
  • Y 對 X 的網格:設定 X 變數後,每個 Y 變數一列,每個 X 變數一欄。
  • 完整矩陣,或僅顯示左下或右上半部分,以去除重複的面板。
  • 可選的顏色類別,用於檢視各組(批次類型、供應商、班次)是否分離。
  • 可選的引導式解讀:Scatterplot Screener,按其他各變數對第一個變數的預測效果進行排序。

統計方法

僅使用所有選定變數均為數值的列,因此每個面板顯示的是同一組觀測。第 i 列第 j 欄的面板將變數 i(縱軸)對變數 j(橫軸)作圖。該圖本身不配適任何模型;點呈狹窄的直帶表示強線性關係,呈扇形表示變異不等,分開的點雲表示集群或分層。

引導式解讀將第一個選定變數作為 Y,其餘各變數作為 X(若設定了 X 變數,則為這些 X 變數)。對每個 X,用最小平方法配適一條直線和一條二次曲線,僅當二次項在 5% 水準上顯著時才保留二次曲線。它將較優模型的調整 R² 報告為 Predictive Ability:僅由 X 解釋的 Y 變異所佔的比例,並已針對項數作了修正。每個 X 單獨評判;當各輸入變數之間相交叉相關時,需要使用多元迴歸才能看到它們的聯合效應。

輸入欄位和選項

欄位

說明

Variables (or Y variables)

必填。全配對矩陣需要兩個或更多數值型欄。如果同時設定了 X variables,則這些欄成為 Y 對 X 網格的列(Y 變數)。

X variables (optional)

可選。構建 Y 變數對 X 變數的網格(列 = 上方的 Variables,欄 = 此列表),而不是全配對矩陣。

Color-category column

可選。按組為點著色。選擇「--」表示不使用類別。

Matrix layout

Full matrix(預設)、Lower left only 或 Upper right only。僅適用於全配對矩陣。

Show histograms on the diagonal

預設勾選:在對角線面板中繪製每個變數的直方圖,設定了 Color-category column 時,每個類別疊加一個直方圖;取消勾選則不顯示對角線面板。

Title

圖的標題。預設為「Matrix Plot」。

Discrete color sequence

類別的調色盤。預設為 D3。

Data Options: Subset (optional)

Exclude matching rows(預設)或 Include only matching rows;透過 Row numbers(例如 3,7,12-15)和/或 Condition(例如 Batch_Type == "Premium")選擇列。

Show guided interpretation

加入 Predictive Ability Report、Diagnostic Report 和 Report Card(針對第一個變數的 Scatterplot Screener)。預設關閉。

matrix-plot-inputs


圖 1 — 範例的選項:按 Batch_Type 著色的四個材料特性,左下佈局,對角線顯示直方圖,開啟引導式解讀。

輸出說明

  • Matrix Plot — 散佈圖網格;勾選該選項時,對角線上顯示每個變數的直方圖;選擇了類別時按類別著色並帶圖例;將滑鼠懸停在某個點上可讀取其數值。
  • Predictive Ability Report — 條形圖和表格,給出每個 X 作為第一個變數的預測因子時的最佳模型(Linear 或 Quadratic)及其 R-sq(adj) %(僅限引導式解讀)。
  • Diagnostic Report — 各面板中應關注哪些模式(僅限引導式解讀)。
  • Report Card — 對異常資料、備選圖形和後續步驟的檢查(僅限引導式解讀)。
  • 透過 Download 匯出 PDF。

matrix-plot-output


圖 2 — 40 個批次的密度、硬度、抗拉強度和伸長率的左下矩陣,Standard(藍色)和 Premium(橙色),對角線上為各特性的直方圖。

計算範例

一位冶金工程師有 40 個材料批次(20 個 Standard,20 個 Premium)的四項特性:密度(g/cc)、硬度(HB)、抗拉強度(MPa)和伸長率(%)。他沒有分別繪製六幅散佈圖,而是將這四項全部選為 Variables,設定 Color-category column = Batch_Type 和 Matrix layout = Lower left only,保持勾選 Show histograms on the diagonal,並勾選 Show guided interpretation。

密度、硬度和抗拉強度沿狹窄的直帶一同上升:它們的相關係數為 0.97 至 0.99。伸長率則相反,且關係較鬆散:強度更高的批次延展性更低(相關係數約為 −0.46 至 −0.51)。Premium 批次的硬度(平均值 212.9,對比 180.1 HB)和抗拉強度(1253.6,對比 1126.2 MPa)更高,而密度差別不大(7.878,對比 7.850 g/cc)。

以密度作為 Y 的 Predictive Ability Report 顯示,硬度(R-sq(adj) 96.4%)和抗拉強度(93.7%)各自用一條直線就幾乎能完全預測密度,而伸長率只能解釋 18.8%。對團隊而言,這意味著硬度、抗拉強度和密度攜帶的資訊幾乎相同:可以用快速的硬度測試來篩選批次的強度,而伸長率必須單獨量測,因為無法從其他變數很好地推斷出來。

常見問題

什麼時候應使用矩陣圖?

可在迴歸之前使用矩陣圖篩選多個製程輸入和輸出,找出攜帶相同資訊的變數,或發現單一散佈圖可能遺漏的集群和異常點。它用一個網格取代了許多單獨的散佈圖;例如,四個變數原本需要六幅散佈圖。

如何解讀矩陣圖?

每個面板將一個變數對另一個變數作圖。點呈狹窄的直帶表示強線性關係,呈扇形表示變異不等,分開的點雲表示集群或分層。僅使用所有選定變數均為數值的列,因此每個面板顯示的是同一組觀測。

矩陣圖中的 Predictive Ability 報告是什麼?

啟用引導式解讀後,第一個變數為 Y,其他每個變數為 X。對每個 X 配適一條直線和一條二次曲線,僅當二次項在 5% 水準上顯著時才保留二次曲線。較優模型的調整 R² 被報告為 Predictive Ability,即僅由 X 解釋的 Y 變異所佔的比例。

完整矩陣與左下佈局有什麼區別?

完整矩陣以兩種排列方式顯示每一對變數,因此每種關係出現兩次。左下或右上佈局只顯示矩陣的一半,以去除重複的面板。佈局選項僅適用於全配對矩陣,不適用於 Y 對 X 的網格。