car包spm函数矩阵散点图

上一篇小兵刻意练习了pairs函数制作矩阵散点图，也极力推荐大家来认识和使用矩阵散点图，这对于多变量关系的快速探查十分有用。

（上一篇 成品）

今天再来练习如何用car包中的scatterplotMatrix函数来完成矩阵散点图，这个函数的名称太长了，我更喜欢用简写的函数spm来实现。

数据源：

employee雇员数据

目标：

考察工作时间、工作经验、初始薪金、当前薪金四个变量间的关系。

首先我直接了当传送4个连续数据给函数spm，看看它的默认输出效果是否满意。

代码展示：

library(car)spm(~jobtime+prevexp+salbegin+salary,data=employee,main="矩阵散点图")

效果展示：

每两个变量绘制散点图并配线性和loess曲线，不管是线性关系还是非线性的关系，都能提供线索。

比pairs函数好的一点是，对角线里输出了连续变量数据的概率密度曲线，帮助我们快速观察连续数据的分布状态。

小兵喜欢看直方图胜过看密度曲线，控制一下对角线参数，修改为对角线展示直方图看看效果。

代码展示：

spm(~jobtime+prevexp+salbegin+salary,data=employee,main="矩阵散点图",diagonal=list(method ="histogram", breaks="FD"))

效果展示：

直方图也很直观，这样一来此图的信息量就明显很丰富了，我们想观察的主要内容一览无遗。

不过，这个蓝色似乎有些扎眼，那么我们可以继续修改颜色参数，黑色风格，让矩阵散点图的正态配色风格更朴素一些。

代码展示：

spm(~jobtime+prevexp+salbegin+salary,data=employee,main="矩阵散点图",diagonal=list(method ="histogram", breaks="FD"),col = "black")

效果展示：