분산형 차트 참조

분산형 차트를 사용하여 변수 간의 관계를 찾아보세요. 분산형 차트는 특히 데이터에서 나타난 추세와 패턴을 강조 표시하는 데 유용합니다. 분산형 차트를 사용하여 데이터의 이상점을 식별할 수도 있습니다.

데이터에 상관관계가 있는 두 변수가 포함된 경우, 분산형 차트는 상관관계를 찾고 탐색하는 데 이상적인 시각화 방법입니다. 양의 상관 관계가 될 수 있습니다. 즉, x 변수가 증가할 때 y 변수가 증가합니다. 음의 상관관계를 포함할 수도 있습니다. 즉, 한 변수가 증가하지만 다른 변수는 감소합니다. 상관관계가 null일 수도 있습니다. 즉, 선택된 두 변수 사이에 상관관계가 없습니다. 잠재적 데이터 상관관계를 알고 있으면 데이터에 대한 유용한 정보를 얻고 향후 데이터 동작을 예측할 수도 있습니다.

Looker Studio의 분산형 차트

Looker Studio에서 분산형 차트를 구성하려면 차트의 X축(가로축)과 Y축(세로축)에 대한 측정항목을 선택합니다. 차트에 최대 3개의 측정기준을 추가하여 데이터를 그룹화할 수 있습니다. 예를 들어 분산형 차트를 사용하여 각 국가의 광고비와 전환율 간의 상관관계를 지역 및 광고 캠페인별로 구분하여 확인할 수 있습니다. 이를 통해 "모든 지역에서 광고비를 더 많이 지출할수록 전환을 더 유도할 수 있을까요?"와 같은 질문에 대한 답을 얻을 수 있습니다.

추세와 패턴을 찾고 데이터의 이상점을 식별하기 위해 추세선을 포함할 수 있습니다. 추세선 경사의 기본 방향을 사용하여 변수 간의 관계 유형('상관관계')을 표시합니다. 왼쪽에서 오른쪽 위로 경사가 이어지면 양의 상관관계를 나타냅니다. 즉, X값이 커지면 Y값도 커집니다. 왼쪽 위에서 오른쪽 아래 방향으로 경사가 이어지는 경우 음의 상관관계를 나타내며, X값이 커질수록 Y값은 작아집니다. 경사가 거의 없으면 변수 간에 상관관계가 미미하거나 전혀 없음을 나타냅니다. 추세선에 더 근접한 데이터 포인트는 추세선에서 떨어져 있는 데이터 포인트보다 더 밀접한 상관관계에 있습니다.

분산형 차트의 예

아래의 분산형 차트는 가상 온라인 대학교의 실적 정보를 2가지 형태의 보기로 제공합니다. 왼쪽 차트는 평균 과정 이수율과 평균 활동율(포럼 게시물 수, 수업 활동 이수 등의 측면에서 측정한 학생 참여도)을 비교합니다. 이 차트의 선형 추세선이 왼쪽에서 오른쪽 상단으로 경사지면서 활동률과 이수율 사이에 양의 상관관계가 있음을 나타냅니다. 즉, 학생의 참여도가 높을수록 학생이 과정을 이수할 가능성도 커집니다.

오른쪽 차트는 평균 학생 성적과 과정별 과제 시간을 비교합니다. 이 차트의 추세선이 왼쪽에서 오른쪽 하단으로 경사지면서 측정항목 간에 음의 상관관계가 있음을 나타냅니다. 즉, 과제의 할당량이 적을수록 평균 성적이 높아집니다.

또한 오른쪽 차트는 2가지 가외치가 있음을 보여줍니다. 왼쪽 하단의 과정은 과제 시간이 매우 적었지만 평균 성적도 낮았던 반면, 그래프 상단의 과정은 과제 양이 가장 높았음에도 평균 점수가 3.0에 가깝습니다. (차트 가외치를 조사해 가외치가 표준을 벗어나는 이유를 찾을 수 있는지 알아볼 수 있습니다.)

다른 유형의 분산형 차트

기본 분산형 차트 외에도 툴바에서 사전 설정된 풍선형 차트를 추가할 수 있습니다.

풍선형 차트

풍선형 차트에는 풍선 크기 측정항목이 포함됩니다. 이는 X 또는 Y축 측정항목과 동일한 측정항목일 수도 있고 다른 측정항목일 수도 있습니다. 측정항목 값이 클수록 풍선이 커집니다.

풍선형 차트의 예

이 풍선형 차트는 2021년 국립공원(미국 캘리포니아주 피나클스 국립공원)의 방문자 수를 시각화한 것입니다. 각 풍선은 하나의 월을 나타냅니다. 차트에서 각 풍선의 위치는 월별 방문자 수와 이들 방문자가 소요한 시간을 나타냅니다. 이 차트는 Replay_visitors 측정항목을 사용하여 풍선의 크기를 결정합니다. 

이 차트를 살펴보면 12월과 8월에 이 공원을 찾는 사람이 가장 적은 반면 봄과 초여름이 가장 붐비는 것을 알 수 있습니다. 공원 방문 측면에서 7월과 2월은 중간인 것으로 보입니다. 

관련 리소스