เมื่อคุณกำลังประเมินชุดข้อมูล การวิเคราะห์แบบกราฟิกจึงมีความสำคัญมาก ในขณะที่การวิเคราะห์ทางสถิติต่าง ๆ เช่น การวิเคราะห์การถดถอย (regression) หรือการวิเคราะห์ความแปรปรวน (ANOVA) สามารถให้ผลลัพธ์ในเชิงตัวเลข แต่การแสดงภาพว่าชุดข้อมูลของคุณมีพฤติกรรมอย่างไร มันดูทำให้เข้าใจได้ง่ายกว่าค่า p-value โดยเฉพาะอย่างยิ่งสำหรับผู้ที่ไม่ได้เชี่ยวชาญด้านสถิติ
ตัวอย่างเช่น ลองดู 2-3 ตัวแปรที่เราคิดว่าอาจมีความสัมพันธ์กัน ในตัวอย่างนี้ เราจะใช้อัตราการว่างงานและอัตราการเกิดอาชญากรรมสำหรับแต่ละรัฐในประเทศสหรัฐอเมริกา เรามีข้อมูล 3 คอลัมน์ในโปรแกรม Minitab คือ C1-ชื่อรัฐต่าง ๆ (State Name) C2-อัตราการเกิดอาชญากรรม (Crime Rate) และ C3-อัตราการว่างงาน (Unemployment totals)
ไปที่เมนู Graph > Scatterplot > Simple จากนั้นวาง C3-อัตราการว่างงาน (Unemployment totals) ไว้ที่ช่องของแกน X และ C2-อัตราการเกิดอาชญากรรม (Crime Rate) ไว้ที่ช่องของแกน Y
ดูเหมือนว่าจะมีความสัมพันธ์อย่างมีนัยสำคัญระหว่างอัตราการว่างงานและอัตราการเกิดอาชญากรรม เราสามารถยืนยันสิ่งนี้ได้โดยใช้การวิเคราะห์สหสัมพันธ์ (correlation) แต่เพียงมองผ่าน ๆ อย่างรวดเร็วก็จะทำให้คุณทราบได้ว่าเกิดอะไรขึ้น ซึ่งแสดงว่า ยิ่งมีอัตราว่างงานมากเท่าไร อัตราการเกิดอาชญากรรมก็จะสูงขึ้น
กราฟ Scatterplot ช่วยเราได้ ถ้าเราสนใจเพียง 2 ตัวแปร แต่ถ้าหากเราสนใจตัวแปรที่ 3 ที่เราคิดว่าน่าจะมีความสัมพันธ์กันกับอีก 2 ตัวแปรหล่ะ? เครื่องมือหนึ่งที่ชื่อว่า Bubble Plot ใน Minitab Statistical Software สามารถช่วยให้ตรวจสอบตัวแปรที่ 3 ที่เราสนใจอยู่ภายในกราฟเดียวกันได้
ลองเพิ่มอีกหนึ่งตัวแปร คือ จำนวนของประชากรในแต่ละรัฐ อยู่ในคอลัมน์ C4 เราสามารถไปที่เมนู Graph > Bubble Plot และกรอกข้อมูลตาม dialog box ดังนี้:
เมื่อเรากรอกข้อมูลใน dialog box เสร็จแล้ว ให้คลิก OK ซึ่งเราจะได้กราฟตามด้านล่างนี้:
กราฟ Bubble plot ช่วยให้เราเห็นความสัมพันธ์ของตัวแปรที่ 3 ได้ แทนที่กราฟส่วนใหญ่จะถูกจำกัดไว้เพียง 2 ตัวแปร ซึ่งถ้าคุณมี 3 ตัวแปรที่สนใจ สิ่งนี้มันมีประโยชน์อย่างมาก และคุณสามารถดูกราฟนี้เพียงกราฟเดียว แทนที่จะดูกราฟหลาย ๆ ครั้งที่แสดงเพียงแค่ที่ละคู่ 2 ตัวแปรเท่านั้น
มันดูเหมือนว่า จำนวนประชากรมากขึ้น อัตราการเกิดอาชญากรรมและการว่างงานก็สูงขึ้นตามไปด้วย แม้ว่าจะมีค่า outlier อยู่บ้างก็ตาม
มันก็ดูดีแล้วนะตอนนี้ เมื่อเราต้องการดูแค่ความสัมพันธ์ แต่ถ้าเราต้องการอยากรู้แบบเจาะจงลงไปอีกหล่ะ? นี่คือหนทาง เราสามารถเพิ่ม Data Label บน Bubble ของกราฟได้ ให้คลิกขวาบน Bubble ใดก็ได้ จากนั้นเลือก Add > Data Labels แล้วเลือกตัวเลือกว่า ‘Use labels from column:’ และเลือกคอลัมน์ C1 ของเรา ซึ่งแสดงถึงชื่อของแต่ละรัฐ จะทำให้เราได้กราฟตามด้านล่างนี้:
ด้วยกราฟสุดท้ายนี้ ในการเพิ่มชื่อของแต่ละรัฐจะทำให้เห็นความสัมพันธ์ของตัวแปรอย่างตรงไปตรงมา ซึ่งเราสามารถระบุจุดข้อมูลแต่ละจุดได้อย่างชัดเจน นี่คือข้อดีของ Bubble Plot คือ เราสามารถเห็นความสัมพันธ์ระหว่างตัวแปรทั้ง 3 ตัวแปรที่แตกต่างกันได้ในกราฟเดียว
ข้อมูลอัตราการว่างงานที่ใช้ในบทความนี้มาจากสำนักงานสถิติแรงงาน และข้อมูลอัตราการเกิดอาชญากรรมมาจาก Census.gov
บทความต้นฉบับ : Introducing the Bubble Plot
ต้นฉบับนำมาจาก Minitab blog, แปลและเรียบเรียงโดยรัฐพงษ์ ยอดสีมา
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร, บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องในกระบวนการ