Vaikka korrelaatiolämpökartat tarjoavat yhteenvedon muuttujien välisistä lineaarisista yhteyksistä, niitä ei voi käyttää epälineaaristen yhteyksien tunnistamiseen. Näissä tilanteissa hajontakuvio on hyödyllisempi.

Miksi käyttää hajontakuvioita?

Hajontakuviot ovat yksinkertainen mutta tehokas tapa visualisoida kahden numeerisen muuttujan välistä suhdetta. Niiden avulla voidaan havaita sekä lineaarisia että epälineaarisia trendejä, korostaa poikkeavia havaintoja tai anomalioita sekä tarjota syvällisempää ymmärrystä yhteyksistä, jotka saattavat näkyä vain abstraktisti korrelaatiolämpökartassa. Hajontakuviot esittävät yksittäiset havaintopisteet, mikä antaa selkeän ja intuitiivisen näkymän muuttujien vuorovaikutuksesta.

Esimerkki: Myyntihinta vs. Max Power

Hajontakuviota voidaan käyttää tutkimaan, miten auton teho vaikuttaa sen markkina-arvoon. Tässä tapauksessa x-akseli kuvaa maksimitehoa ja y-akseli myyntihintaa.

ggplot(data = df, aes(x = max_power, y = selling_price)) +
  geom_point() +
  labs(title = "Scatter Plot of Selling Price vs. Max Power",
       x = "Max Power",
       y = "Selling Price")

Tämä visualisointi tekee helpoksi havaita, onko olemassa positiivinen lineaarinen yhteys, jossa suurempi teho yleensä vastaa korkeampaa myyntihintaa.