统计分析的结果通常包括统计图和统计表。统计图是一种用图形表示数据的方式，它能够直观地展示数据的分布、趋势和关系。科研论文中常见的统计图包括条形图、饼图、折线图、散点图等。这些图形可以帮助人们快速地理解和分析数据，找出其中的规律和特征。今天就来讲一讲常用的科研统计图。

一、统计图结构

统计图一般包括5个部分：分别是标题、横标目、纵标目、刻度、图例。具体的说明以及注意事项如下：

举例：下图为在一篇文献中截的一个统计图，大家可以参考：

知道了统计图的概念和基本结构之后，接下来，我将为大家详细介绍统计图的分类以及SPSSAU在智能分析中的统计图自动输出功能。

二、统计图分类

1、按数据类型选择统计图

每种类型的统计图的特点不同，所呈现出数据的主要特征也不尽相同，结合数据类型选择合适的统计图进行搭配，才能达到最好的效果。不同的数据类型，适用不同的统计图。

数据可分为定类数据和定量数据两大类，按照X和Y的思维，先识别出X和Y分别的数据类型情况，然后找到适合的统计图作图即可，X与Y组合起来常用的图形见下表：

举例说明：比如想要分析不同品种和不同施肥方式下，水稻产量的差异，希望通过图形直观展示差异情况。很明显这里2个X均为定类数据，而水稻产量为定量数据，所以可以使用“簇状图”进行可视化分析。
将数据上传至SPSSAU系统，选择“簇状图”，拖拽变量至右侧相应分析框，操作如下图：

得到簇状图结果如下：

簇状折线图

簇状柱形图

簇状条形图

2、常用统计图说明

常用统计图的适用情况和举例说明如下：

• 比如：散点图可以很好的展示X随Y的变化情况，所以常用于辅助判断X与Y之间的关系情况。如下图为公司员工起始工资与当前工资的散点图，可以看出二者具有较强的正相关关系。

• 直方图可以展示数据的分布情况，可以用于辅助判断数据是否服从正态分布。如下图为某班学习成绩的直方图，可以看出满足“中间高，两头低”的钟形分布，具有正态性特征。

• 箱线图可以展示数据的整体分布情况，可用于探索且展示异常值数据情况。如下图为变量X5的箱线图，可以明显看出该变量存在一个异常值。

SPSSAU当前提供累计共30多类图形，分布于各个方法中自动生成，当然还有一些复杂或者特殊的图形需要自己作图。

三、SPSSAU自动出图

在使用SPSSAU进行数据分析时，选择相应方法进行分析得到分析结果的同时，SPSSAU会默认自动输出对应的统计图分析结果，以及该方法可能涉及的各类统计图。

1、SPSSAU智能化出图

比如使用SPSSAU进行方差分析、t检验等差异性分析方法会自动输出对应的折线图、柱形图等；多选题分析时会自动输出对应的响应率、普及率、帕累托图、交叉汇总图等；回归模型包括线性回归、路径分析、结构方程模型、调节中介等都会自动输出对应的模型图。

举例说明1：使用卡方检验研究不同年龄段是否感染病毒的差异时，SPSSAU会默认输出对应的堆积柱形图、堆积条形图等（右上角切换统计图），如下图：

举例说明2：使用探索性因子分析时，SPSSAU默认输出对应的碎石图和载荷图，如下图：

举例说明3：使用相关分析研究变量间相关性时，SPSSAU默认输出对应的相关分析可视化图，如下图：

举例说明4：构建结构方程模型时，SPSSAU自动输出对应的模型图，如下图：

提示：SPSSAU可视化结合了数据分析方法的思想，默认提供准确的可视化图形展示，这是SPSSAU智能系统的一个组成部分。通常自动输出的第一个统计图是最优的即最合适的。

2、图形调整与美化

SPSSAU当前提供字体、字号、小数位、是否隐藏标签、是否展示Y轴、Y轴颜色设置以及七类色彩风格设置，该设置只需要在任何一个地方设置，后续和其它全部的图都会基于该设置生成‘可视化图’，不需要重复进行设置。

在SPSSAU输出的统计图下方，点击Aa样式进行设置，如下图：

1、散点图

散点图用于考察定量数据之间的关联关系，即查看X和Y之间的关系情况。散点图通常用于探索性研究，直观展示出数据间的关联关系情况。

• 使用场景

（1） 相关分析之前，查看X和Y之间的关系情况。

（2） 回归分析后模型检验，查看残差分别与自变量间的关联性【回归模型假定残差不应该与自变量有关联性，即异方差性】。

（3） 其它用于直观展示数据关系的场景。

• 散点图示例

2、直方图

直方图用于直观展示数据分布情况，观察数据的正态分布特性，检验数据是否满足正态性。

• 使用场景

（1） 相关分析时，数据的正态性查看；

（2） 回归分析后模型检验，将残差进行正态性检验，如果残差呈现出正态性意味着模型构建良好，反之说明模型构建较差。

（3） 其他用于查看数据分布、检验正态性的场景等等。

• 直方图展示

3、箱线图

箱线图（也称盒图，箱盒图等）是在1977年由美国统计学家John Tukey发明，分析数据需要为定量数据。通过箱线图，可以直观的探索数据特征。

• 使用场景

（1） 查看可能的异常值数据情况；

（2） 非参数检验时查看不同类别X时，Y的数据分布情况；

（3） 其它涉及查看数据分布或者异常值查看时。

• 直方图展示

4、词云图

词云图是由美国西北大学新闻学教授Rich Gordon提出，“词云”可对文字中出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”或“关键词渲染”，从而使浏览者只要一眼扫过文本就可以领略文本的主旨。

• 使用场景

（1）直观地展示文本信息，并且突出展示关键信息；

（2）针对有权重的数据信息进行词云展示。

• 词云图展示

5、误差线图

误差线图用于展示数据的不确定性程度，显示潜在的误差或每个数据标志的不确定程度。样本数据的波动是通过标准差体现，因而样本均值不确定性程度为标准差。

• 误差线图展示

6、P-P图/Q-Q图

P-P图和Q-Q图常用于直观查看数据是否正态分布。P-P图和Q-Q图的目的性基本一致，但原理上有着区别。

使用场景

(1) 方差分析对应的Y值是否具有正态性特质的判断；

(2) 回归分析前，对应的Y值是否具有正态性特质判断；回归分析后，使用P-P图和Q-Q图检查残差值是否有正态性特质；

(3) 二元Logit回归后的残差值是否有正态性特质。

(4) 其它用于直观展示数据正态性的场景。

• P-P图/Q-Q图展示

7、ROC曲线

ROC曲线，也称受试者工作特征曲线；ROC曲线最初是运用在军事上，当前在医学领域使用非常广泛，用于研究X对于Y的预测准确率情况。

• ROC曲线展示

8、象限图

象限图可对数据分类进行直观展示；使用水平和垂直分割线将图表区域划分成四个象限，而且每个象限呈现对应的数据。通常情况下，象限图呈现目的在于直接展示数据划分区域。

• 象限图展示

9、帕累托图

帕累托图是“二八原则”的图形化体现，80%的问题是由20%的原因所致；通常情况下帕累托图可用来展现某‘问题’的占比情况，通过图形找出最重要的原因。

• 帕累托图展示

10、簇状图

从展示的图形类型上，簇状图可分为簇状折线图、簇状柱形图和簇状条形图等，SPSSAU默认均提供；SPSSAU共提供平均值、计数、求和以及中位数四种汇总值。簇状图时，分类数据为0个，1个或2个，SPSSAU均提供对应的图形展示。

• 簇状图展示

11、组合图

组合图用于两类维度值之间有较大差异时的图形化展示，其有两个坐标轴，分别是主轴和次轴，通常情况下，主轴为数量较大项，次轴为数量较大项。比如展示GDP与GDP增长率，主轴为GDP，次轴为GDP增长率。

• 组合图展示

12、气泡图

气泡图可用于展示X和Y之间的关系情况，并且利用Z标识每个点的气泡大小。同时，SPSSAU支持直接在气泡中展示‘标签’，并且可使用不同颜色标识气泡。

• 气泡图展示

13、核密度图

核密度图是一种非参数检验方法，其是对直方图的进一步抽象化，但其更加直观，其曲线下面积为1，通常用于连续数据的直观展示，比如年龄的分布情况，身高的分布情况等。

• 核密度图展示

14、小提琴图

小提琴是是箱线图和核密度图的集合，其可通过箱线思维展示数据的各个百分位点，与此同时，还可使用核密度图展示数据分布的‘轮廓’效果，‘轮廓’越大，即意味着数据越集中于该处，反之则说明该处时数据越少。

• 小提琴图展示