千米小说网

第19讲 掌握相关性（第2页）

其实刚才确认的两个图表，原始数据是相同的，不同的是有没有纳入以下这两个数据。

即店铺工作人员的人数多，销售额却不高的X店；以及店铺工作人员的人数少，但销售额却很高的Y店。

把这两家店作为离群点从数据中剔除的话，就可以认为整体的趋势是工作人员人数与销售额有相关性。

这样的话，接下来要思考的就是，把这两家店作为离群点与其他数据分开来看是否合适。

那么，我们试想一下，在怎样的情况下会出现人数多但销售额不高（X店），以及人数少但销售额较高（Y店）的情况呢？

（X店）

团队合作不佳

店长刚刚变更，经营方针落实得不彻底

虽然人数多，但有几个人实质上并没有在工作等

（Y店）

人数虽然少，但其中有经验的人较多，接待顾客的技巧非常高

得益于店长的经营技巧，下了一些有别于其他店铺的功夫

有地方优势，如顾客流量高等

造成与其他店铺情况不同的趋势，可能存在多个原因。如果对刚才罗列出来的可能性进行充分验证后，发现确实存在上述某些情况，就可以把X店和Y店作为离群点剔除。剔除了X店和Y店以后的散点图，就可以代表整体趋势。

我们能够发现离群点，是因为如上述所言，通过描绘散点图，得以从视觉上获取信息。从表格中的数据去识别离群点虽然也可行，但数据量增加后就会变得困难。这就是在直接计算相关系数之前要先描绘散点图的原因。

在剔除离群点的时候，可以从以下三个角度来考虑。

·在散点图上，把视觉上看起来与其他数据的集合分离开来

·离群点的数量与总数相比并不多

·有定性的理由可以支持剔除离群点

初期的数据，有可能是偶然获取的，需要判断是否应该用一个数据来代表整体的情况。

STEPUP！

为了验证气温与到店顾客数有关联性的假设，制作了如下散点图。横轴是气温，纵轴是单日平均到店的顾客数。对此可以进行怎样的解释呢？

相关系数是0。5。虽然不是很高的数值，但也可以考虑气温与到店顾客数存在相关性。

另一方面，请思考一下气温与到店顾客数本身是如何变化的。可以想象，寒冷与炎热的时候顾客数都会减少。

所以应该考虑的不是“气温与到店顾客数是否相关”，而是“是否存在某个具体温度值会使到店顾客数增加”。

人们一有数据可能就会想转化为图表，并且考虑根据图表进行解释。然而，如果不加注意，就会变成一切以图表为准，变成解释图表了。

为了避免这种情况发生，在进行图表化之前，要先考虑清楚数据之间的相关性，再转化为图表。

刚才的散点图是以所有的数据为基础制作的，但其实应该把某个气温以前的趋势和某个气温以后的趋势分开，转化成两个散点图，这样更符合自然规律。

实际以25℃为界，把25℃以下的情况和25℃以上的情况区分开来描绘成散点图，得出以下图表。相关系数的绝对值都是0。95，是非常理想的值。

相关系数只是一种指标，重要的是要结合定性的意义来思考。在应用时，要考虑哪个范围的数据可以视作同一范畴的。要做到这一点的话，“描绘图表，用头脑来判断”很重要。而且，这样的判断，事实上只有人才能做到。

描绘散点图，将相关系数的计算交给计算机，另一方面，要清楚知道人应该思考什么事情，要灵活地运用相关性。

小结

√相关性的计算是计算机擅长的范畴

√不单单依赖于相关系数，这点很重要，务必描绘出散点图来观察

√在描绘散点图之前，认真思考可能会出现怎样的分布

√没必要对所有的信息一律用相同的方法来处理。可以剔除离群点，也可以把数据分组

√定性的解释也很重要