第17章 生成统计图形.docVIP

第17章 生成统计图形 17.2 条形图、线图和面积图 简述: 利用相同宽度条形的长短或高低表现统计数据大小或变动的统计图 简述: 利用线段的升降来说明现象变动情况的一种统计图 简述: 利用线段下的阴影面积来强调现象变化的一种统计图 方法： Graphs(Bar ， Line ， Area 条形图图式： Simple Clustered Stacked 统计量描述模式（即横坐标的取值形式） Summaries for groups of cases：横坐标为分类变量的值 Summaries of separate variables：横坐标为你所选择的变量 Values of individual cases：横坐标为观测量的序号或指定变量的值 一、Summaries for groups of cases： 17.2.2 观测量分类模式简单条形图 横坐标是分类变量的值，纵坐标是某些统计量的值；Panel by是指对数据按照指定的变量分类之后，再对每一组按上述方法绘制统计图. 例：data17-04.sav 分类变量为cout，条形表示每一个洲观测的数目或每一个洲茶叶的平均产量. 17.2.5_2 观测量分类模式分组条形图 相当于有两个分类变量，一个表示横坐标，一个是针对每个横坐标的值进行二次分类 例：data17-04.sav 分类变量为cont，二次分类变量为year，条形表示每一个洲某一年的观测数或每一个洲某一年茶叶的平均产量. 17.2.8 观测量分类模式分段条形图 相当于有两个分类变量，一个表示横坐标，一个是针对每个横坐标的值进行二次分类，但二次分类的条形以堆栈的形式显示 二、Summaries of separate variables： 17.2.3 变量模式简单条形图 横坐标是某些变量的变量名，纵坐标是相关变量的统计值 例：data17-04.sav 横坐标是tea和coffee，条形表示tea的平均产量和coffee的最高产量。 17.2.6 变量模式分组条形图 横坐标是某些变量的变量名，然后针对每个变量用分类变量进行分类，把分类之后的每个变量的每个条形绘制出来。 例：data17-04.sav 横坐标是tea和coffee，分类变量为cont，条形表示每一洲tea的平均产量和coffee的最高产量。 17.2.9_2 变量模式分段条形图 三、Values of individual cases： 17.2.4_2 观测值模式简单条形图 横坐标是观测序号或某个指定变量的值，纵坐标是某个变量的值 例：data17-04.sav 横坐标是观测序号分类变量为cout，条形表示每一笔观测对应的茶叶的产量. 17.2.7_2 观测值模式分组条形图 17.2.10 观测值模式分段条形图 横坐标是某些变量的变量名，然后针对每个变量用分类变量进行分类，把分类之后的每个变量的每个条形以堆栈形式绘制出来。 例：data17-04.sav 横坐标是tea和coffee，分类变量为cont，条形表示每一洲tea的平均产量和coffee的最高产量。 17.2.11 交互式条形图、线图和面积图 Graphs(Interactive(Bar 和以上不同之处在于可以对图形的某些选项自行设定 例：data17-04.sav 分类变量为cont，二次分类变量为year，条形表示每一个洲某一年的观测数或每一个洲某一年茶叶的平均产量. 17.3 圆（或饼）图 简述: 按各部分占总体比重的大小把圆分成若干个扇形，利用扇形的面积来强调现象变化的一种统计图 统计量描述模式（即横坐标的取值形式） Summaries for groups of cases：横坐标为分类变量的值 Summaries of separate variables：横坐标为你所选择的变量 Values of individual cases：横坐标为观测量的序号或指定变量的值 适用范围：分类变量为名义变量、有序变量数据。 例：data17-04.sav 方法： Graphs(Pie 17.7 箱图和误差条图 简述: 箱图是一种描述数据分布特征的统计图形.详见5.3 explore，通过取值的范围，四分位数等来绘制图形 方法： Graphs(Boxplot 例：data17-25.sav， gender分类变量，对height进行分析。 简述: 误差条图是一种描述数据离散程度的统计图形.通过置信区间或标准误来绘制图形 方法： Graphs(Error Bar 例：data17-25.sav，gender分类变量，对height进行分析。 17.8 散点图 简述: 是一种描述变量之间相关情况的统计图形. 方法： Grap