Cách vẽ biểu đồ phân tán bằng AI: Hướng dẫn từng bước
Biểu đồ phân tán (scatter plot) hiển thị mối quan hệ giữa hai biến số, với mỗi biến nằm trên một trục và một dấu chấm đại diện cho mỗi quan sát. Để tạo biểu đồ này bằng AI, hãy tải lên một tệp có hai cột số và đặt tên cho biến của từng trục. Yêu cầu vẽ biểu đồ kèm theo đường xu hướng và hệ số tương quan, sau đó đọc quy luật và kiểm tra các điểm ngoại lệ.
Hướng dẫn này giải thích biểu đồ phân tán hiển thị những gì và khi nào nên sử dụng nó thay vì biểu đồ đường. Hướng dẫn bao gồm cách thực hiện thủ công trong Excel và Google Sheets, phương pháp AI ba bước, cách đọc kết quả và một ví dụ thực tế.
Biểu đồ phân tán hiển thị những gì
Sách hướng dẫn điện tử về các phương pháp thống kê NIST/SEMATECH đưa ra định nghĩa tiêu chuẩn. Biểu đồ phân tán "tiết lộ các mối quan hệ hoặc sự liên kết giữa hai biến." Những mối quan hệ đó "tự thể hiện thông qua bất kỳ cấu trúc phi ngẫu nhiên nào trong biểu đồ."
Bố cục rất đơn giản. Sách hướng dẫn mô tả nó là "một biểu đồ biểu diễn các giá trị của Y so với các giá trị tương ứng của X." Trục dọc chứa biến phản hồi. Trục ngang chứa biến mà bạn nghi ngờ có thể liên quan đến biến đó.
NIST liệt kê năm câu hỏi mà biểu đồ phân tán có thể trả lời:
- Hai biến có liên quan với nhau không?
- Chúng có mối quan hệ tuyến tính không?
- Chúng có mối quan hệ phi tuyến tính không?
- Sự biến thiên của Y có thay đổi tùy thuộc vào X không?
- Có các điểm ngoại lệ không?
Sách hướng dẫn cũng giải thích tại sao biểu đồ này lại quan trọng đến vậy trong phân tích. Nó gọi đây là "công cụ đồ họa quan trọng nhất và được sử dụng nhiều nhất để khám phá sự tồn tại và bản chất của các mối quan hệ giữa các biến."
Khi nào nên sử dụng biểu đồ phân tán thay vì biểu đồ đường
Biểu đồ phân tán và biểu đồ đường có thể trông giống nhau, đặc biệt là khi các điểm được nối với nhau bằng các đường liên kết. Sự khác biệt nằm ở trục ngang.
Tài liệu hướng dẫn Excel của Microsoft giải thích điều này rất rõ ràng. "Biểu đồ phân tán luôn có hai trục giá trị." Biểu đồ đường chỉ có một trục giá trị và trục ngang của nó hiển thị các danh mục có khoảng cách đều nhau.
Điều đó dẫn đến một quy tắc đơn giản. Microsoft khuyên nên "sử dụng biểu đồ đường nếu dữ liệu của bạn có các giá trị x không phải là số." Đối với các giá trị X dạng số, hãng cho biết thêm, "thông thường tốt hơn là sử dụng biểu đồ phân tán."
| Sử dụng biểu đồ phân tán khi | Sử dụng biểu đồ đường khi |
|---|---|
| Cả hai biến đều là số, chẳng hạn như giá cả và số lượng bán ra | Trục ngang là thời gian hoặc một danh mục |
| Bạn muốn xem liệu hai đại lượng đo lường có chuyển động cùng nhau hay không | Bạn muốn hiển thị một xu hướng qua các khoảng thời gian bằng nhau |
| Các điểm có thể nằm ở bất kỳ vị trí nào dọc theo trục ngang | Các điểm được giãn cách đều nhau theo từng thời kỳ |
| Bạn có kế hoạch thêm đường xu hướng hoặc hệ số tương quan | Bạn có kế hoạch so sánh nhiều chuỗi dữ liệu theo thời gian |
Một bài kiểm tra nhanh sẽ giúp ích. Nếu bạn có thể sắp xếp các giá trị trên trục ngang từ nhỏ nhất đến lớn nhất mà chúng vẫn có ý nghĩa, thì biểu đồ phân tán là lựa chọn phù hợp.
Những gì bạn cần trước khi bắt đầu
Một biểu đồ sạch sẽ bắt đầu từ các cột sạch sẽ. Hãy kiểm tra bốn điều sau đây trước tiên.
Hai cột số. Một cột cho biến X và một cột cho biến Y. Hãy xóa các đơn vị được nhập trực tiếp vào ô, chẳng hạn như "12 km", vì chúng sẽ biến số thành văn bản.
Mỗi hàng là một quan sát. Mỗi hàng nên mô tả một khách hàng, một đơn hàng, một ngày hoặc một thử nghiệm. Các giá trị tổng cộng và tổng phụ trong cùng một cột sẽ làm sai lệch biểu đồ.
Đủ số lượng điểm. Một vài điểm riêng lẻ hiếm khi thể hiện được một quy luật thực sự. Hãy hướng tới ít nhất 20 quan sát, và nhiều hơn thế nếu dữ liệu có nhiều nhiễu.
Một câu hỏi rõ ràng. Hãy quyết định những gì bạn mong đợi tìm thấy trước khi vẽ biểu đồ. "Thời gian giao hàng có tăng theo khoảng cách không?" là một điểm khởi đầu tốt hơn so với "hãy cho tôi xem dữ liệu."
Cách tạo biểu đồ phân tán trong Excel hoặc Google Sheets
Cách làm thủ công hoạt động tốt đối với một biểu đồ đơn lẻ. Các tùy chọn này không cần bất kỳ tiện ích bổ sung (add-in) nào.
Tùy chọn 1: Excel
Đặt các giá trị X ở cột bên trái và các giá trị Y ở cột bên phải, với các tiêu đề ở hàng 1. Chọn cả hai cột, bao gồm cả các tiêu đề.
Trên tab Insert, mở menu Insert Scatter (X, Y) or Bubble Chart và chọn Scatter. Excel sẽ vẽ mỗi hàng thành một điểm.
Để thêm đường xu hướng, hãy chọn biểu đồ, mở Chart Elements và tích chọn Trendline. Trong Format Trendline, bạn có thể hiển thị phương trình và giá trị R-squared trên biểu đồ. Đối với bản thân hệ số tương quan, hãy nhập =CORREL(A2:A31,B2:B31) vào một ô trống, điều chỉnh theo phạm vi của bạn.
Tùy chọn 2: Google Sheets
Chọn hai cột và chọn Insert, sau đó chọn Chart. Trong trình chỉnh sửa biểu đồ, hãy đặt loại biểu đồ thành Scatter chart nếu Sheets không tự động chọn.
Trên tab Customize, mở Series và tích chọn Trendline. Bạn cũng có thể hiển thị R-squared tại đó. Hàm =CORREL() hoạt động tương tự như trong Excel.
Cách làm thủ công sẽ bị chậm lại ở ba chỗ. Dữ liệu thường cần được làm sạch trước. Các điểm ngoại lệ phải được tìm và gắn nhãn thủ công. Và khi bạn muốn kiểm tra nhiều cặp biến, bạn phải lặp lại mọi bước cho từng cặp.
Cách tạo biểu đồ phân tán bằng AI
Một không gian làm việc AI có thể làm sạch các cột, xây dựng biểu đồ, thêm đường xu hướng và gắn cờ các điểm ngoại lệ chỉ trong một yêu cầu. Ba bước dưới đây sử dụng Powerdrill Bloom. Trang scatter graph creator của nó mô tả cùng một quy trình: tải lên một tập dữ liệu, mô tả biểu đồ trong cuộc trò chuyện và tải xuống kết quả.
Bước 1: Tải lên dữ liệu và đặt tên cho hai biến
Tải lên bảng tính hoặc tệp CSV chứa dữ liệu của bạn. Trang scatter graph creator cho biết nó chấp nhận các định dạng như CSV và Excel.
Sau đó, đặt tên cho hai biến trong yêu cầu của bạn. Cho biết cột nào nằm trên trục ngang và cột nào nằm trên trục dọc. Đặt biến mà bạn nghĩ là tác nhân thúc đẩy biến kia lên trục ngang, điều này phù hợp với quy ước của NIST.
Nếu tệp có nhiều cột, hãy thêm một câu ngữ cảnh. "Mỗi hàng là một chuyến giao hàng. Tôi muốn xem liệu thời gian có phụ thuộc vào khoảng cách hay không." Điều đó giúp AI chọn đúng các cột và bỏ qua phần còn lại.
Bước 2: Yêu cầu vẽ biểu đồ phân tán, đường xu hướng và hệ số tương quan
Yêu cầu vẽ biểu đồ, đường xu hướng tuyến tính và hệ số tương quan trong cùng một yêu cầu. Một yêu cầu tốt sẽ trông như thế này: "Hãy vẽ biểu đồ phân tán của thời gian giao hàng so với khoảng cách. Thêm một đường xu hướng tuyến tính và hiển thị hệ số tương quan cùng R-squared."
Hãy yêu cầu thêm một ghi chú về việc làm sạch dữ liệu. AI sẽ cho bạn biết nó đã loại bỏ bao nhiêu hàng do thiếu giá trị hoặc giá trị không phải là số. Nếu con số đó khiến bạn ngạc nhiên, hãy sửa tệp nguồn và chạy lại.
Nếu bạn có một vài biến tiềm năng, hãy yêu cầu một biểu đồ cho mỗi cặp, hoặc một bảng tương quan trước. Hướng dẫn của chúng tôi về correlation matrix sẽ đề cập đến bước khảo sát rộng hơn đó.
Bước 3: Đọc quy luật và gắn nhãn các điểm ngoại lệ
Hãy nhìn vào hình dáng trước khi nhìn vào các con số. Có một hướng đi rõ ràng không? Mối quan hệ là đường thẳng hay đường cong? Độ phân tán có rộng ra khi X tăng lên không?
Sau đó, yêu cầu AI gắn nhãn bất kỳ điểm ngoại lệ nào kèm theo chi tiết hàng của chúng. Một điểm nằm xa phần còn lại thường là điểm hữu ích nhất trong biểu đồ. Đó có thể là một lỗi nhập dữ liệu, hoặc có thể là trường hợp mà quản lý của bạn sẽ hỏi đến.
Kết thúc bằng một câu dưới biểu đồ. Nêu rõ hướng đi, mức độ mạnh yếu và bất kỳ lưu ý nào. "Thời gian giao hàng tăng theo khoảng cách, với mối quan hệ tuyến tính mạnh mẽ, ngoại trừ ba đơn hàng bị trễ do lệnh cấm đường." Trang scatter graph creator lưu ý rằng bạn có thể tải xuống biểu đồ dưới dạng hình ảnh PNG độ phân giải cao để dùng cho các trang trình bày hoặc báo cáo.
Cách đọc biểu đồ phân tán
Sách hướng dẫn của NIST hiển thị các quy luật phổ biến bằng các biểu đồ ví dụ. Đây là những quy luật mà bạn sẽ gặp thường xuyên nhất.
| Quy luật | Hình dáng thực tế | Ý nghĩa biểu thị |
|---|---|---|
| Không có mối quan hệ | Một đám mây không định hình | Không thể dự đoán Y từ X |
| Tương quan dương mạnh mẽ | Các điểm nằm sát một đường đi lên | X lớn hơn đi kèm với Y lớn hơn |
| Tương quan âm mạnh mẽ | Các điểm nằm sát một đường đi xuống | X lớn hơn đi kèm với Y nhỏ hơn |
| Dạng đường cong | Các điểm đi theo một đường uốn cong | Đường xu hướng thẳng sẽ gây hiểu lầm |
| Độ phân tán mở rộng | Đám mây xòe ra như hình chiếc quạt khi X tăng lên | Sự biến thiên của Y phụ thuộc vào X |
| Điểm ngoại lệ | Một điểm nằm xa phần còn lại | Kiểm tra hàng dữ liệu đó trước khi đưa ra kết luận |
Đối với trường hợp không có mối quan hệ, NIST mô tả các giá trị của Y là "phân bố rải rác khắp nơi" đối với một giá trị X cho trước. Đối với mối quan hệ tương quan dương mạnh mẽ, tài liệu cho biết "một đường thẳng có thể khớp một cách dễ dàng qua dữ liệu" và "độ phân tán xung quanh đường thẳng là khá nhỏ."
Quy luật mở rộng này có một tên gọi chuyên môn. NIST gọi đó là phương sai thay đổi (heteroscedasticity), nghĩa là "sự biến thiên không hằng số của Y trên các giá trị của X." Điều này rất quan trọng vì các đường xu hướng đơn giản thường giả định rằng độ phân tán là tương đối đều nhau.
Để đưa ra một con số cụ thể cho mức độ mạnh yếu của mối quan hệ đường thẳng, hãy sử dụng correlation coefficient (hệ số tương quan). Các giá trị gần 1 hoặc -1 biểu thị mối quan hệ tuyến tính mạnh mẽ. Các giá trị gần 0 biểu thị mối quan hệ tuyến tính yếu hoặc không có, mặc dù một mối quan hệ dạng đường cong vẫn có thể tồn tại.
Tương quan không phải là nhân quả
Biểu đồ phân tán hiển thị sự liên kết. Nó không hiển thị nguyên nhân.
Sách hướng dẫn của NIST nói thẳng về điều này. "Biểu đồ phân tán tiết lộ sự liên kết, đây là bước đầu tiên hướng tới mối quan hệ nguyên nhân - kết quả." Tài liệu cho biết thêm rằng "mặc dù tính nhân quả ngụ ý sự liên kết, nhưng sự liên kết KHÔNG ngụ ý tính nhân quả."
Trong thực tế, hãy tìm kiếm một biến thứ ba trước khi bạn khẳng định có mối quan hệ nhân quả. Doanh số bán kem và tình trạng cháy nắng đều tăng vào mùa hè, nhưng cái này không gây ra cái kia. Khi biểu đồ phân tán hiển thị một quy luật mạnh mẽ, hãy tự hỏi xem còn điều gì khác thay đổi cùng với X hay không.
Nếu bạn cần mô hình hóa mối quan hệ này, bước tiếp theo là regression analysis (phân tích hồi quy), giúp ước tính mức độ thay đổi của Y đối với mỗi đơn vị thay đổi của X.
Một ví dụ thực tế
Dưới đây là một ví dụ minh họa với các số liệu giả định. Một đội ngũ giao hàng đã ghi nhận 30 đơn hàng, với khoảng cách tính bằng kilômét và thời gian giao hàng tính bằng phút.
Biểu đồ hiển thị một quy luật đi lên rõ ràng. Các chuyến đi ngắn từ 2 đến 5 km mất 15 đến 25 phút. Các chuyến đi dài từ 20 đến 25 km mất 55 to 70 phút. Đường xu hướng tăng đều đặn và hệ số tương quan là 0.91.
Có ba điểm nằm cao hơn hẳn so với đường xu hướng. Mỗi điểm là một đơn hàng từ 6 đến 8 km nhưng mất hơn 60 phút. Việc gắn nhãn chúng cho thấy cả ba trường hợp này đều xảy ra vào cùng một buổi chiều, trong thời gian có lệnh cấm đường.
Khi ba đơn hàng đó được gắn cờ, kết luận đưa ra rất đơn giản. Khoảng cách giải thích cho hầu hết sự biến thiên của thời gian giao hàng, và các điểm ngoại lệ đều có nguyên nhân rõ ràng. Đội ngũ có thể lập kế hoạch lộ trình theo khoảng cách và coi việc cấm đường là một rủi ro riêng biệt.
Đây chính là kiểu tóm tắt mà biểu đồ này thể hiện rất tốt. Một biểu đồ, một câu tóm tắt và một danh sách ngắn các trường hợp ngoại lệ.
Các biến thể và cách định dạng giúp giữ tính trung thực cho biểu đồ
Hai biến thể sau đây sẽ giúp ích khi bạn có nhiều hơn hai biến. Sách hướng dẫn của NIST mô tả cả hai biến thể này.
Ma trận biểu đồ phân tán (scatterplot matrix) "tạo ra tất cả các biểu đồ phân tán theo từng cặp trên một trang duy nhất." Đây là một cách nhanh chóng để quét qua mọi cặp biến trong một tập dữ liệu trước khi chọn ra những cặp cần nghiên cứu sâu hơn.
Biểu đồ điều kiện (conditioning plot), "còn được gọi là co-plot hoặc biểu đồ tập hợp con," hiển thị Y so với X ở các giá trị khác nhau của biến thứ ba. Nó trả lời các câu hỏi như liệu mối quan hệ giữa khoảng cách và thời gian có giữ nguyên vào các ngày trong tuần và cuối tuần hay không.
Cách định dạng cũng rất quan trọng. NIST lưu ý rằng phiên bản phổ biến nhất sử dụng một điểm đánh dấu tại mỗi điểm dữ liệu "và không có đường nối các điểm dữ liệu." Các đường nối giữa các điểm có thể gợi ý một thứ tự mà dữ liệu thực tế không hề có.
Thêm ba thói quen sau đây giúp biểu đồ luôn dễ đọc:
- Gắn nhãn cho cả hai trục bằng tên biến và đơn vị đo.
- Bắt đầu các trục ở các giá trị hợp lý, và hãy nêu rõ nếu chúng không bắt đầu từ số không.
- Sử dụng một màu cho các điểm dữ liệu và một màu tương phản cho đường xu hướng.
Các sai lầm thường gặp
Đây là những lỗi thường gặp nhất khiến biểu đồ dễ gây hiểu lầm:
- Sử dụng biểu đồ đường cho các giá trị X dạng số. Hướng dẫn của Microsoft nêu rõ rằng các giá trị X dạng số thường thuộc về biểu đồ phân tán.
- Đổi chỗ các trục tọa độ. Đặt biến tác nhân thúc đẩy lên trục ngang và biến kết quả lên trục dọc.
- Áp đặt một đường xu hướng thẳng lên một đường cong. Hãy nhìn vào hình dáng trước tiên, sau đó mới chọn đường xu hướng.
- Xóa các điểm ngoại lệ mà không kiểm tra chúng. Một điểm ngoại lệ có thể là một lỗi nhập liệu hoặc là điểm quan trọng nhất trong biểu đồ.
- Khẳng định mối quan hệ nhân quả từ sự tương quan. Một quy luật mạnh mẽ chỉ là cơ sở để xem xét kỹ hơn, chứ không phải là một kết luận.
- Vẽ biểu đồ với quá ít điểm dữ liệu. Một quy luật xuất hiện ở tám điểm có thể sẽ biến mất khi có tám mươi điểm.
Khi bạn muốn kiểm tra nhiều cặp biến từ một tệp duy nhất, bạn có thể thử Powerdrill Bloom. Công cụ này sẽ xây dựng từng biểu đồ đi kèm với đường xu hướng và các điểm ngoại lệ được gắn cờ của nó.
Các câu hỏi thường gặp
Biểu đồ phân tán được sử dụng để làm gì?
Biểu đồ phân tán được sử dụng để xem liệu hai biến số có liên quan với nhau hay không. Mỗi điểm đại diện cho một quan sát, với một giá trị trên mỗi trục. Sách hướng dẫn của NIST cho biết nó trả lời các câu hỏi liệu các biến có liên quan với nhau không, mối quan hệ đó có tuyến tính không, sự biến thiên có thay đổi theo X không và có các điểm ngoại lệ không.
Làm thế nào để tạo biểu đồ phân tán trong Excel?
Đặt các giá trị X ở cột bên trái và các giá trị Y ở cột bên phải, sau đó chọn cả hai cột. Trên tab Insert, mở menu Insert Scatter (X, Y) or Bubble Chart và chọn Scatter. Thêm đường xu hướng từ Chart Elements và sử dụng hàm CORREL để tính hệ số tương quan.
Sự khác biệt giữa biểu đồ phân tán và biểu đồ đường là gì?
Biểu đồ phân tán có hai trục giá trị, vì vậy các điểm có thể nằm ở bất kỳ vị trí nào dọc theo trục ngang. Biểu đồ đường có một trục danh mục với các điểm được giãn cách đều nhau, phù hợp với chuỗi thời gian. Microsoft khuyên nên dùng biểu đồ phân tán cho các giá trị X dạng số và biểu đồ đường cho các giá trị không phải là số.
Làm thế nào để đọc biểu đồ phân tán?
Hãy nhìn vào hướng đi, hình dáng và độ phân tán. Các điểm cùng đi lên thể hiện mối quan hệ tương quan dương, và các điểm cùng đi xuống thể hiện mối quan hệ tương quan âm. Một đám mây không định hình cho thấy không có mối quan hệ nào, và một hình quạt mở rộng cho thấy sự biến thiên phụ thuộc vào X. Hãy kiểm tra bất kỳ điểm ngoại lệ nào trước khi đưa ra kết luận.
AI có thể tạo biểu đồ phân tán từ bảng tính không?
Có. Hãy tải bảng tính lên một không gian làm việc AI, đặt tên cho hai cột và yêu cầu vẽ biểu đồ phân tán kèm theo đường xu hướng và hệ số tương quan. Công cụ scatter graph creator của Powerdrill Bloom chấp nhận các tệp CSV và Excel, đồng thời cho phép bạn tải xuống biểu đồ dưới dạng hình ảnh PNG.
Nguồn tham khảo: NIST/SEMATECH e-Handbook, Scatter Plot · NIST, Strong Linear Relationship · NIST, No Relationship · NIST, Heteroscedastic Variability · Microsoft Support, Present your data in a scatter chart or a line chart. Tài liệu hướng dẫn được đọc vào ngày 24 tháng 9 năm 2026.