这最终只是一个散点图。我不认为它有一个特殊的名字。我认为这与对应分析没有任何意义，只是您可以制作对应分析结果的散点图，这也是一个散点图。值得注意的是，这与双标图没有太大关系。

我确实在这里看到了一些与最常用的散点图方式有些不同的特性。首先，在科学背景下，散点图通常用于帮助我们思考两个变量之间的关系。在您的情况下，您似乎更感兴趣的是考虑个人观察以及它们相对于彼此和联合分布的排名（在多维意义上）。因此，你有你的观点突出标记。也就是说，给定一个默认数据矩阵，其中变量在列中，观察值在行中，通常会制作散点图来帮助您考虑列；在这里，您似乎正在制作情节以帮助您考虑行。

其次，相关性和一致性之间的统计数据存在细微差别（参见Spearman 的是否表示一致性？$r=0.38$）。最常见的是人们从相关性的思维框架中查看散点图。您的散点图似乎暗示了一种协议的观点。例如，您的两个变量自然在同一尺度上，并且您有一条突出的对角线标记完全一致。您认为类似的“斜率图”也呈现出一种一致的信息（即，随着时间的推移排名的稳定性，以及增加的一致性）。

假设这是您希望从可视化中收集的内容，则当前绘图不是最佳的。从本质上讲，将位置与对角线进行比较是比较困难的——人类视觉系统并不是为此而设计的。相反，最好“转动”绘图，以便可以将点与水平线进行比较（也可能将它们的从右到左的水平位置）。这就是诺兰在另一个你发现类似的情节中所做的。这条推理线将我们引向了一个不同的图，虽然它也是一种散点图，但它确实有一个特殊的名称，即 Bland-Altman 图（也称为“Tukey 的均值差图”；参见Wikipedia和Creating and解释 Bland-Altman 情节）。您仍然可以在 BA 图中标记您的点。在你的那个版本的情节中，垂直位置告诉你它的使用是由vue（中线上方）还是react（下方）支配的。从左到右的位置将提供一种总体上使用该技术的普遍程度的感觉。此外，如果您想知道 vue 和 react 作为变量的显式协议属性（例如，是否存在对其中一个或另一个的偏见），可以自然地合并这些属性。