08_散佈圖 | Notion

核心表格

核心主題	主要觀點／方法	實務用途	重要條件／限制／延伸
散佈圖	以 x／y 軸呈現兩個連續數值變數；每個點代表一筆觀測值	探索關聯方向、趨勢、群聚與離群值	視覺關係不是因果，也不等於統計顯著
方向與型態	觀察正向、負向、非線性或沒有明顯關係的型態	判斷後續是否適合進行相關或迴歸分析	單一離群值或高影響力觀測值可能主導圖形
2×2 決策支援	以水平與垂直分界形成四個象限，找出在兩個指標上同時偏高或偏低的觀測值	依明確條件選出表現較佳者，或辨識指標間的取捨	「最佳」的定義取決於兩軸所選條件，不能擴張成全面最佳
共同尺度	比較不同群組時維持一致的座標軸與單位	公平比較公司、國家或乘客群	改變軸範圍可能放大或壓縮視覺差異
樣本數	若散佈圖上的點代表群組平均數，還需同時檢查該群組的樣本數	判斷平均數與趨勢的可信度	SFO 長等待群組的樣本數很小，需降低解讀信心
Excel／Jamovi／人工智慧	Excel 適合資料塑形與 2×2 分析；Jamovi 可快速繪製散佈圖；人工智慧可依已驗證資料協助產圖與初步解讀	以多種工具回答同一商業問題	必須核對變數、分組方式、座標軸定義與來源筆數

散佈圖的每個點同時帶有 x 與 y 兩個數值。最先看的不是一條公式，而是這些點是否呈現方向、群聚、曲線、空缺或離群值。這種探索能協助分析者決定下一步是否值得進行相關或迴歸分析。

若高 x 值常伴隨高 y 值，可描述為正向關聯；若一高一低則可能是負向關聯。但即使型態很清楚，也不能只靠散佈圖宣稱 x 造成 y。可能還有第三變數、選擇效應或少數高影響力觀測值。

原書第 8 章把散佈圖延伸成 2×2 決策支援工具。公司資料案例用每位員工利潤與利潤率，把右上象限定義成兩個獲利能力指標都高；World Bank 案例則把人口與網際網路普及率放在兩軸，找出同時具市場規模與數位滲透率的國家。

2×2 的好處是讓「最佳」不再是模糊形容詞；限制是結論只對所選兩個條件有效。

公司資料案例明確把 x 軸設為 -50,000～+50,000、y 軸設為 -25～+25，藉此建立象限。不同尺度與分界值可能改變哪些點看起來突出，因此呈現方式本身也是分析設計的一部分。

SFO 案例 8.3 將等候時間與 Q7ALL 平均分數畫成散佈圖。圖 8.12 的總樣本數為 2,970、整體平均數為 3.89；等待 1–2 小時的群組各超過 1,000 人，但長等待群組可能只有個位數或十幾人。因此，某個長等待群組的平均數即使很高或很低，也不應與大樣本群組等量齊觀。

原書圖 8.12 與 Jamovi 圖 8.15 對等待時間類別的處理不完全一致，但總樣本數相同；本章保留來源差異，不自行假設其中一套必然正確。

Excel 適合先進行資料塑形、計算最大值／最小值、調整座標軸並做 2×2 分析；Jamovi 適合快速探索標準散佈圖；生成式人工智慧適合依明確提問詞畫圖、標示極端值、比較群組與產生初步文字解讀。最安全的做法是要求人工智慧同時輸出實際繪圖資料與座標，以便回查。