作者：Scott Wise 和 Chris Kirchberg – JMP 全球支持团队
编者注：本博客每两个月更新一次，旨在寻找统计发现的有趣用途，以解决与商业、经济、体育、健康、食品、历史和心理学有关的深层问题。在 1 月/2 月的博客中，我们将提出这样一个问题：“火山能教会我们什么关于数据分析的知识？”在此过程中，我们将介绍一些 JMP 可视化和分析的酷炫用法，以帮助回答我们的问题。
正如 U2 在他们 2014 年的歌曲《火山》中所唱的那样——“你不想知道，你不想知道……你内心的某些东西想要爆发。”在菲律宾，一个不可避免的事实是，无论你身处该国的哪个地方，你都不会离潜在的活火山太远。这个美丽的岛链位于太平洋“火环”沿线，其诞生源于古老的火山活动。下图中的火山是活跃的塔尔火山，距离我们南吕宋岛的家乡圣巴勃罗市仅约 23 英里，上次喷发是在 20 世纪 70 年代末。 
实际上，我们的小镇位于圣巴勃罗火山区（活火山但处于休眠状态）内，周围环绕着以下火山：巴纳豪山（活火山，可能已灭绝）、马基林山（活火山但处于休眠状态）和塔尔火山（非常活跃！）。过去、现在和未来的潜在火山活动意味着，这里是种植地球上最优质热带水果的绝佳地点（因为火山灰可以形成极好的土壤）。但是，作为我们的热带水果农场和酿酒厂所在地，这些“沉睡的巨人”随时可能喷发这一事实本身就令人不安。但正在进行的火山研究极大地启发了统计学领域，可以帮助我们在分析医疗和工业环境中的大量数据时更好地集中注意力。
在火山研究中，一个常用的测量指标是 VEI（火山爆发指数）。该指标由火山学家于 1982 年创建，可根据“喷出的火山物质数量、喷发高度和喷发持续时间”对火山爆发进行指数化。（来源：维基百科）。下面是一张地图，显示了过去 2000 年内距离我们所在地 600 英里内已知发生过喷发的火山的平均 VEI（绿色星号）。
但是 VEI 指标并不能完全说明火山爆发的影响，尤其是在谈论对周边居民的短期和长期影响时。长期影响包括全球气候变化，因为火山灰和物质释放到大气中，可能导致数千英里外的农作物歉收。但就短期影响而言，火山爆发会以令人眼花缭乱的方式对任何碰巧在火山爆发附近的人造成死亡。然而，好莱坞电影中逃离沸腾的熔岩流和躲避巨石的画面并不是真正的危险。熔岩流具有破坏性，但流动缓慢，可以逃脱。火山物质坠落令人担忧，但过度堆积的火山灰导致建筑物倒塌和农作物窒息往往更令人担忧。 
火山爆发期间造成短期死亡的主要原因通常是火山碎屑流（超热气体波）和火山泥流（一种火山泥流）。更糟糕的是，您的城镇是否会受到附近火山爆发的危险影响，在很大程度上取决于许多因素，例如位置、地形、大气条件、火山类型/构成等。俄勒冈州立大学的火山世界网站 ( http://volcano.oregonstate.edu/how-do-volcanoes-affect-people ) 对此进行了很好的讨论。但有一点很清楚，那就是火山爆发的方向和爆炸的强度对您城镇的生存至关重要！现代火山学家在活火山的许多不同位置研究了许多测量结果（从火山气体释放到地震活动、地形到地面变形研究），以了解火山爆发的威胁及其对周围社区的可能影响。这种近时火山监测提高了火山爆发前的预报和灾难准备，但仍然依赖于火山学家在收集的众多指标测量值中注意正确的指标测量值。请参阅美国地质调查局火山监测网站以获得全面概述（ https://volcanoes.usgs.gov/vhp/monitoring.html ）。
事实证明，这与我们分析现代数据时面临的挑战非常类似。通常，我们有大量数据测量可用于监控我们的关键流程和设计。但是，我们也需要知道哪些是最重要的测量指标。我们还需要知道这些指标的强度和方向。只有这样，我们才能准确预测如何改进和防止潜在的性能不佳。火山再次为我们提供帮助，因为它们启发了一种流行的统计图表，该图表因其可视化数据的方式而恰如其分地被称为火山图！ 
Source: Wikipedia来源：维基百科
火山图是一种常用的统计图表，用于筛选两种条件之间的许多均值比较。它在临床和基因组研究中被广泛使用，也是测量许多参数的工业环境中非常强大的筛选工具。使用火山图的价值在于，它不仅可以让您快速看到最重要的感兴趣值，还可以了解比较之间的方向和强度。在下面的火山图示例中，每个点都是两种条件（假设为 A 和 B）之间均值比较的指标。图表上所有点的模式似乎确实类似于火山喷发时喷涌出的物质。查看红色箭头突出显示的点。它们在 Y 轴上有负对数 p 值，这是显着性的统计度量。事实上，Y 轴上虚线红线上方的所有点都具有超过 95% 的显着性。但这些指示点也远在 X 轴的左侧，这表明 A 和 B 均值比较之间存在强烈的负差异。因此，在火山图上，出现在图表右上角和左上角的点将是具有最高显著性和差异的点。您还会注意到，该图利用了对数转换，这有助于我们更好地在图表上绘制这些均值比较。
我们已经创建了一个配套博客（“如何在 JMP 中构建火山图”），它将为您提供有关火山图工作原理的更多详细信息，包括如何轻松构建自己的火山图的分步说明。在博客的其余部分，我们将展示火山图如何极大地帮助我们分析一些常见的工业情况，在这些情况下我们需要筛选许多比较。首先，我们打开一个名为 Probe 的数据集（来自 JMP 帮助文件），它代表许多微阵列探针测量值（394 个测量列）。然后我们在 JMP 中运行流程筛选分析，该分析按流程级别（旧和新）针对所有测量列提供平均比较对统计数据。生成的结果表包含生成火山图所需的所有信息。但是，我们生成的第一个图表查看了所有 394 个平均比较对，结果看起来似乎不像上面的火山图示例（见下文）。
在这个探测火山图中，我们选择在 Y 轴上使用 FDR Logworth（这是一种比 P 值的负对数更为保守的比较显著性度量，用于帮助控制错误发现率）。从上面的图表来看，有很多东西是显著的（超过红色 FDR LogWorth = 1.3 线，这是我们的 95% 置信度标记）。此外，有三个蓝色点具有巨大的差异，将较近的差异点过度压缩到 X 轴中间。同样，许多因素的显著 FDR 值的比例相当大。因此，决定放大以仅查看 FDR LogWorth 范围从 0 到 5 的点，以及 -100 和 100 之间的差异（红色圆圈区域）。使用我们的图形缩放工具，我们可以轻松地向下钻取并获得下面所需的图形视图。 
现在，我们可以更好地看到 Probe 数据中值得我们关注的有趣点。虽然仍有许多点聚集在差异为 0 附近，但如果我们查看左上角，我们会看到 PS_RPNBR 的差异为 -64.69（意味着 A 的平均值小于 B 的平均值），FDR LogWorth 为 4.3（高度显著）。同样，如果我们查看右上角，我们会看到 30Z5_RVREF100U 的差异为 71.63（意味着 A 的平均值大于 B 的平均值），FDR Logworth 为 3.5（高度显著）。
因此，我们的火山图很好地揭示了最值得我们关注的比较点，让我们深入了解这些比较的意义、强度和方向。希望这也能帮助您在下次需要比较大量测量值并希望通过良好的图形做出最佳决策时提供帮助。这一切都归功于我们的朋友火山，我更放心地想到，在我附近的一座火山的顶部，一位火山学家正在收集数据，这些数据最终可能会在火山图中显示，内容是火山监测传感器数据！但与此同时，我会问我们是否可以向火山之神献祭几个芒果，以规避风险，让这些令人印象深刻的火山保持休眠状态，在阳光下快乐地睡觉！否则，我可能会像猫王埃尔维斯·普雷斯利 (Elvis Presley) 那样“全身颤抖”，他唱道：“她触摸我的手，我浑身一冷……她的嘴唇像一座炎热的火山……我很自豪地说她是我的宝贝……我坠入爱河……我全身颤抖”
