在進行相關分析(correlation analysis)與迴歸分析(regression analysis)時 研究者通常會檢視二變量散點圖(bivariate scatter plot) 目的是為了看看是否存在非同方差性

所謂的非同方差性所呈現的散點圖資訊 以文字敘述如下:

在二維的線性模式裡 兩變項的散點圖呈現約"扇形(或說等腰三角形)" 而非約"長橢圓形(或說飛碟形)" 這樣的圖示告訴我們 如果橫軸是X變項 縱軸是Y變項 Y值並不會隨著X值的"等距"增加而有著"相對應"的反映

如果資料呈現非同方差性 那麼由於兩變項間不存在"相對應"關係 所以就呈現"必要但非充足"的關係

也由於這"必要但非充足"的關係 使得研究者把非同方差性看成是違背了"同方差性假設"

如果資料違背了同方差性 但卻使用"同方差性假設"的統計檢定 那麼所做出來的研究結論就有可能顯得跛腳 因為這樣的研究結論很可能並不"充足" 不充足的研究結論降低了文章的論述力(artigulation)

以排便與時間的相關為例 時間是排便的必要關係 但是並非充足關係 因為排便量的多寡並非時間越長就越多 但是排便一定需要時間