这些不常见的统计图你都懂吗？作者：有福有德来源：计量与

作者：有福有德
来源：计量与统计
SAS软件系统计出身，相应的围绕这个主题的图形输出功能与统计本身一样很全，我们可以借助原始数据绘制自己需要的图形，也可以在统计的基础上，将常用的统计量保持下来，绘制需求的图形。 SAS/base有效地整合了这些方面，至少作为普通用户的我来说，使用起来像一款软件，而没有不同模块间带来的差异之感。
另外， SAS软件几乎在每一个统计过程里都提供了ODS输出系统，这就更方便统计结果的可视化输出，这只需要设置plots=all ，就可以看见所有可能的输出。
一些常见的统计输出图形，总体视之，些许会帮助用户更好的了解统计模型，下面介绍一下不太常见的图形，其他图形的功能将不再详述。
文章插图
第一行第一个的这个线图，是在聚类分析的输出， cluster聚类分析，提供判断多少聚类数是最优的，分别提供CCC、伪F和伪t方三个指标作为判断依据。
一般来说CCC、伪F需越大越好，伪t的读法有点特别，但大致也是在找一个拐点。另外一个功能是提供异常信息，这与CCC的指标有关。
第一行最后一个， cook距离值，用于侦察异常值的信息，这个图在reg的ODS输出系统中很常见，不过这个指标一般不作为最终判断异常信息的结论，而是与其他指标一起使用（学生化残差、杠杆值等），然后再综合判断异常信息。
文章插图
第一行第二个图：多重检验图，这个图在glm过程中可见，这个图表面上看很复杂，其实很简单，横坐标和纵坐标都是离散变量对应的均值，不同离散变量的不同取值依据在图中标识出了，通过这些信息可以找到不同取值间的对应的交叉点，红、蓝色分别表示是否显著。
第二行第三个图：交互效应图，在glm过程中可见，显然这个图可以很直观的观察到两个离散变量间的交互状况（有一点，但不明显），主要是交叉的地方很微弱。另外，如果是连续变量的话，往往也会将连续变量离散化后（像上图一样），在绘制这个图，以便更直观的显示交互关系。
文章插图
第一行第一个图：多维偏好图，可以在prinqual中实现，用于表示哪些消费者对哪些产品更加喜爱，或偏好。
该图读法基本与主成分图、对应分析（双标）图、典型相关图相同，它们均归属于多变量过程之中；SAS软件中的这个过程还提供其他功能，如变量转换的一系列方法，像最优尺度变换的序列方法、非最优尺度变换的序列方法等等，这其中就包括了我常见的对数转换、box-cox转换等方法，尤其最优尺度的变换方法中，可以延伸出一个功能，就是分类主成分分析的方法。
文章插图
第一行第一个， ROC图，这个可以在logistic过程中完成（当然可以自己写），当然一般在logistic过程这中会比较容易一些，可以实现不同变量面积间的比较，而且可以输出单个和组合图形的结果。
文章插图
第一行第二个，残差-残差，这个图形没有专门的绘制过程，需要大家自己绘，绘制两组残差的散点图。当用户需要比较不同模型拟合同一组数据时，这个图形会提供很多有用的信息，例如散点的线性关系、局部非线性这两个视角。
文章插图
【这些不常见的统计图你都懂吗？】第一个图：贝叶斯图形，在SAS很多过程里均有提供，也可以使用MCMC过程，这个过程是专门用于这类分析的。