Εισαγωγή

Η οπτικοποίηση των δεδομένων αποτελεί αναπόσπαστο μέρος της στατιστικής ανάλυσης, καθώς επιτρέπει στον ερευνητή να κατανοήσει γρήγορα τη δομή των δεδομένων και να εντοπίσει σχέσεις που δεν είναι πάντοτε εμφανείς μέσα από αριθμητικούς πίνακες ή περιγραφικούς δείκτες. Ένα από τα σημαντικότερα γραφήματα για τη διερεύνηση της σχέσης μεταξύ δύο ποσοτικών μεταβλητών είναι το διάγραμμα διασποράς (Scatterplot).

Το διάγραμμα διασποράς χρησιμοποιείται για να απεικονίσει τη σχέση μεταξύ δύο συνεχών μεταβλητών, παρουσιάζοντας κάθε παρατήρηση ως ένα σημείο στο καρτεσιανό επίπεδο. Η θέση κάθε σημείου καθορίζεται από τις τιμές των δύο μεταβλητών, επιτρέποντας την άμεση αναγνώριση πιθανών γραμμικών ή μη γραμμικών σχέσεων, ακραίων τιμών και γενικών τάσεων των δεδομένων.

Η σημασία του scatterplot είναι ιδιαίτερα μεγάλη, καθώς αποτελεί συνήθως το πρώτο βήμα πριν από την εφαρμογή αναλύσεων συσχέτισης ή παλινδρόμησης. Μέσα από μια απλή οπτική επιθεώρηση, ο ερευνητής μπορεί να αξιολογήσει εάν οι μεταβλητές παρουσιάζουν σχέση, ποια είναι η μορφή της και κατά πόσο πληρούνται βασικές προϋποθέσεις για περαιτέρω στατιστική ανάλυση.

Τι είναι το διάγραμμα διασποράς;

Το διάγραμμα διασποράς είναι μια γραφική παράσταση στην οποία κάθε παρατήρηση ενός συνόλου δεδομένων αναπαρίσταται από ένα σημείο. Κάθε σημείο αντιστοιχεί σε ένα ζεύγος αριθμητικών τιμών, μία για την ανεξάρτητη μεταβλητή και μία για την εξαρτημένη μεταβλητή.

Σύμφωνα με τη συνήθη στατιστική πρακτική, η ανεξάρτητη ή επεξηγηματική μεταβλητή τοποθετείται στον οριζόντιο άξονα (Χ), ενώ η εξαρτημένη μεταβλητή στον κατακόρυφο άξονα (Υ). Με αυτόν τον τρόπο διευκολύνεται η ερμηνεία της σχέσης μεταξύ των δύο μεταβλητών και η κατανόηση της πιθανής επίδρασης της μίας στην άλλη.

Σε αντίθεση με άλλα γραφήματα που παρουσιάζουν συχνότητες ή μέσους όρους, το scatterplot διατηρεί κάθε παρατήρηση ξεχωριστά, προσφέροντας μια πιο ολοκληρωμένη εικόνα της κατανομής των δεδομένων. Η δυνατότητα αυτή το καθιστά ιδιαίτερα χρήσιμο σε όλες τις φάσεις της στατιστικής ανάλυσης.

Πότε χρησιμοποιείται το Scatterplot;

Το διάγραμμα διασποράς χρησιμοποιείται όταν ο ερευνητής επιθυμεί να διερευνήσει τη σχέση μεταξύ δύο ποσοτικών μεταβλητών.

Στις επιστήμες υγείας μπορεί να χρησιμοποιηθεί για τη μελέτη της σχέσης μεταξύ ηλικίας και αρτηριακής πίεσης, δείκτη μάζας σώματος και επιπέδων γλυκόζης ή διάρκειας θεραπείας και χρόνου αποκατάστασης.

Στην εκπαίδευση εφαρμόζεται για τη διερεύνηση της σχέσης μεταξύ ωρών μελέτης και ακαδημαϊκής επίδοσης, ενώ στις κοινωνικές επιστήμες χρησιμοποιείται για την αξιολόγηση της σχέσης μεταξύ εισοδήματος και επιπέδου εκπαίδευσης.

Παράλληλα, το scatterplot χρησιμοποιείται πριν από την εφαρμογή αναλύσεων συσχέτισης Pearson ή Spearman, καθώς και πριν από τη γραμμική παλινδρόμηση, προκειμένου να αξιολογηθεί η μορφή της σχέσης και η ύπαρξη ακραίων τιμών που ενδέχεται να επηρεάσουν τα αποτελέσματα.

Τα βασικά χαρακτηριστικά ενός διαγράμματος διασποράς

Η σωστή ερμηνεία ενός scatterplot βασίζεται στην αξιολόγηση ορισμένων βασικών χαρακτηριστικών.

Το πρώτο χαρακτηριστικό είναι η κατεύθυνση της σχέσης. Εάν τα σημεία τείνουν να κινούνται ανοδικά από αριστερά προς τα δεξιά, υπάρχει θετική συσχέτιση. Αντίθετα, όταν ακολουθούν καθοδική πορεία, υποδηλώνεται αρνητική συσχέτιση.

Το δεύτερο χαρακτηριστικό αφορά τη δύναμη της σχέσης. Όσο πιο κοντά βρίσκονται τα σημεία γύρω από μια νοητή γραμμή, τόσο ισχυρότερη είναι η συσχέτιση μεταξύ των δύο μεταβλητών. Αντίθετα, όταν τα σημεία είναι διάσπαρτα χωρίς σαφές μοτίβο, η σχέση θεωρείται ασθενής ή ανύπαρκτη.

Ένα ακόμη σημαντικό στοιχείο είναι η μορφή της σχέσης. Οι μεταβλητές μπορεί να παρουσιάζουν γραμμική σχέση, αλλά είναι επίσης δυνατό να εμφανίζουν καμπυλόγραμμη ή άλλη μη γραμμική μορφή, γεγονός που επηρεάζει την επιλογή της κατάλληλης στατιστικής μεθόδου.

Τέλος, το scatterplot επιτρέπει τον εύκολο εντοπισμό ακραίων τιμών (outliers), δηλαδή παρατηρήσεων που αποκλίνουν σημαντικά από το γενικό πρότυπο των δεδομένων και μπορεί να επηρεάσουν δυσανάλογα τα αποτελέσματα της ανάλυσης.

Τα είδη συσχέτισης

Το διάγραμμα διασποράς μπορεί να αποκαλύψει τρεις βασικούς τύπους σχέσης μεταξύ των μεταβλητών.

Η θετική συσχέτιση εμφανίζεται όταν η αύξηση της μίας μεταβλητής συνοδεύεται από αύξηση της άλλης. Για παράδειγμα, όσο αυξάνονται οι ώρες μελέτης, τόσο αυξάνεται και η βαθμολογία των φοιτητών.

Η αρνητική συσχέτιση παρατηρείται όταν η αύξηση της μίας μεταβλητής συνοδεύεται από μείωση της άλλης. Ένα χαρακτηριστικό παράδειγμα αποτελεί η σχέση μεταξύ φυσικής δραστηριότητας και δείκτη μάζας σώματος.

Η μηδενική ή ανύπαρκτη συσχέτιση χαρακτηρίζεται από τυχαία κατανομή των σημείων χωρίς εμφανές μοτίβο, γεγονός που υποδηλώνει ότι οι δύο μεταβλητές δεν σχετίζονται ουσιαστικά μεταξύ τους.

Η οπτική αυτή αξιολόγηση αποτελεί σημαντικό πρώτο βήμα πριν από τον υπολογισμό του συντελεστή συσχέτισης.

Η γραμμή παλινδρόμησης και η γραμμή τάσης

Συχνά, στο διάγραμμα διασποράς προστίθεται μια γραμμή παλινδρόμησης ή γραμμή τάσης, η οποία συνοψίζει μαθηματικά τη σχέση μεταξύ των δύο μεταβλητών.

Η γραμμή αυτή υπολογίζεται με βάση τις μεθόδους γραμμικής παλινδρόμησης και εκφράζει τη μέση πορεία των δεδομένων. Όσο μικρότερη είναι η απόσταση των σημείων από τη γραμμή, τόσο καλύτερη θεωρείται η προσαρμογή του μοντέλου.

Η χρήση της γραμμής παλινδρόμησης βοηθά όχι μόνο στην καλύτερη κατανόηση της σχέσης αλλά και στην πρόβλεψη νέων τιμών της εξαρτημένης μεταβλητής.

Δημιουργία Scatterplot στο SPSS

Η δημιουργία ενός διαγράμματος διασποράς στο SPSS πραγματοποιείται εύκολα μέσω της επιλογής Graphs → Chart Builder ή Graphs → Legacy Dialogs → Scatter/Dot.

Ο χρήστης επιλέγει τον τύπο του διαγράμματος, τοποθετεί την ανεξάρτητη μεταβλητή στον άξονα Χ και την εξαρτημένη μεταβλητή στον άξονα Υ και δημιουργεί το γράφημα.

Στη συνέχεια μπορεί να προστεθεί γραμμή παλινδρόμησης, να τροποποιηθούν οι άξονες, οι ετικέτες και τα χαρακτηριστικά εμφάνισης, ώστε το τελικό διάγραμμα να είναι κατάλληλο για δημοσίευση ή παρουσίαση επιστημονικών αποτελεσμάτων.

Πλεονεκτήματα και περιορισμοί

Το διάγραμμα διασποράς προσφέρει σημαντικά πλεονεκτήματα, καθώς επιτρέπει την άμεση αναγνώριση σχέσεων, την αξιολόγηση της γραμμικότητας, τον εντοπισμό ακραίων τιμών και την οπτική διερεύνηση των δεδομένων πριν από πιο σύνθετες στατιστικές αναλύσεις.

Ωστόσο, παρουσιάζει και περιορισμούς. Δεν μπορεί από μόνο του να αποδείξει αιτιώδη σχέση μεταξύ των μεταβλητών ούτε να προσδιορίσει τη στατιστική σημαντικότητα μιας συσχέτισης. Επιπλέον, όταν το δείγμα είναι πολύ μεγάλο, η υπερβολική συγκέντρωση σημείων μπορεί να δυσκολεύει την οπτική ερμηνεία.

Για τον λόγο αυτό, το scatterplot χρησιμοποιείται συμπληρωματικά με στατιστικούς δείκτες, όπως ο συντελεστής συσχέτισης Pearson ή Spearman και η γραμμική παλινδρόμηση.

Συμπέρασμα

Το διάγραμμα διασποράς αποτελεί ένα από τα σημαντικότερα εργαλεία οπτικοποίησης στη στατιστική ανάλυση, καθώς επιτρέπει τη διερεύνηση της σχέσης μεταξύ δύο ποσοτικών μεταβλητών με απλό και κατανοητό τρόπο.

Η δυνατότητα εντοπισμού θετικών, αρνητικών ή ανύπαρκτων συσχετίσεων, η αναγνώριση ακραίων τιμών και η αξιολόγηση της μορφής των δεδομένων το καθιστούν απαραίτητο τόσο στην περιγραφική όσο και στην επαγωγική στατιστική.

Η σωστή χρήση του, σε συνδυασμό με κατάλληλες αναλύσεις συσχέτισης και παλινδρόμησης, συμβάλλει στη βαθύτερη κατανόηση των δεδομένων και στην εξαγωγή αξιόπιστων επιστημονικών συμπερασμάτων.