"핸들 바"플롯에 대한 대체 그래픽

연구 분야에서 데이터를 표시하는 일반적인 방법은 막 대형 차트와 "핸들 막대"를 조합하여 사용하는 것입니다. 예를 들어

"핸들 바"는 작성자에 따라 표준 오류와 표준 편차를 번갈아 표시합니다. 일반적으로 각 "bar"의 샘플 크기는 약 6입니다.

이 음모는 생물 과학에서 특히 인기가있는 것으로 보입니다 . 예를 들어 BMC Biology 의 처음 몇 권을 참조하십시오 .

그렇다면이 데이터를 어떻게 제시 하시겠습니까?

내가이 음모를 싫어하는 이유

개인적으로 나는이 음모를 좋아하지 않습니다.

1. 표본 크기가 작은 경우 개별 데이터 점만 표시하지 않는 것이 좋습니다.
2. 표시되는 SD 또는 SE입니까? 어느 쪽을 사용해야하는지 아무도 동의하지 않습니다.
3. 왜 바를 사용 하는가? 데이터는 (보통) 0에서 나오지 않지만 그래프에서 첫 번째 패스는 데이터를 나타냅니다.
4. 그래프는 데이터의 범위 또는 샘플 크기에 대한 아이디어를 제공하지 않습니다.

R 스크립트

이것은 플롯을 생성하는 데 사용한 R 코드입니다. 그렇게하면 원하는 경우 동일한 데이터를 사용할 수 있습니다.

                                        #Generate the data
set.seed(1)
names = c("A1", "A2", "A3", "B1", "B2", "B3", "C1", "C2", "C3")
prevs = c(38, 37, 31, 31, 29, 26, 40, 32, 39)

n=6; se = numeric(length(prevs))
for(i in 1:length(prevs))
  se[i] = sd(rnorm(n, prevs, 15))/n

                                        #Basic plot
par(fin=c(6,6), pin=c(6,6), mai=c(0.8,1.0,0.0,0.125), cex.axis=0.8)
barplot(prevs,space=c(0,0,0,3,0,0, 3,0,0), names.arg=NULL, horiz=FALSE,
        axes=FALSE, ylab="Percent", col=c(2,3,4), width=5, ylim=range(0,50))

                                        #Add in the CIs
xx = c(2.5, 7.5, 12.5, 32.5, 37.5, 42.5,  62.5, 67.5, 72.5)
for (i in 1:length(prevs)) {
  lines(rep(xx[i], 2), c(prevs[i], prevs[i]+se[i]))
  lines(c(xx[i]+1/2, xx[i]-1/2), rep(prevs[i]+se[i], 2))
}

                                        #Add the axis
axis(2, tick=TRUE, xaxp=c(0, 50, 5))
axis(1, at=xx+0.1, labels=names, font=1,
     tck=0, tcl=0, las=1, padj=0, col=0, cex=0.1)

답변 해 주셔서 감사합니다. 완벽을 기하기 위해 평소에하는 일을 포함시켜야한다고 생각했습니다. 나는 주어진 제안, 점, 상자 그림 (n이 큰 경우) 및 se (또는 sd) 범위의 조합을 수행하는 경향이 있습니다.

( 이미지를 호스팅하는 사이트가 더 이상 올바르게 작동하지 않기 때문에 중재자가 제거했습니다. )

도트 플롯에서 데이터가 "핸들 막대"플롯이 제안한 것보다 훨씬 더 널리 퍼져 있음이 분명합니다. 실제로 A3에는 음수 값이 있습니다!

이 답변을 CW로 만들었으므로 담당자를 얻지 못합니다.

FrankRrell (가장 훌륭한) 기조 연설에서 "정보 알레르기"라는 제목의 R! 지난 달에는 이러한 대안이 제시되었습니다. 막대가 제공하는 집계를 통해 원시 데이터를 숨기지 않고 원시 데이터도 점 (또는 점)으로 표시됩니다. "데이터를 숨기는 이유는 무엇입니까?" 프랭크의 의견이었습니다.

알파 블렌딩을 감안할 때, 그것은 가장 현명한 제안입니다 (그리고 모든 대화는 가장 좋고 중요하며 너겟으로 가득합니다).

심리적 관점에서, 나는 데이터와 데이터에 대한 불확실성을 도표화하는 것을지지합니다. 따라서, 당신이 보여주는 플롯에서, 막대를 0으로 확장하는 데 결코 신경 쓰지 않을 것입니다. 이는 데이터 범위의 차이를 구별하는 눈의 능력을 최소화하는 역할을합니다.

또한 저는 솔직히 반 막대 그래프입니다. 막대 그래프는 두 가지 변수를 동일한 미적 속성 (x 축 위치)에 매핑하므로 혼동 될 수 있습니다. 더 나은 방법은 하나의 변수를 x 축에 매핑하고 다른 변수를 다른 미학적 속성 (예 : 점 모양 또는 색상 또는 둘 다)에 매핑하여 중복 미학 매핑을 피하는 것입니다.

마지막으로 위의 그림에서 값 위에 오차 막대 만 포함하면 값 위와 아래의 막대에 대한 불확실성 간격을 비교할 수 없습니다.

다음은 ggplot2 패키지를 통해 데이터를 플로팅하는 방법입니다. 동일한 시리즈에서 점을 연결하는 선을 추가합니다. 일부는 라인이 연결된 시리즈가 숫자 인 경우에만 적합하다고 주장하지만 (이 경우와 같이) x 축 변수의 수준 사이에 합리적인 서수 관계가있는 한 연결선은 눈이 x 축에서 점을 연결하는 데 도움이됩니다. 이것은 특히 선과 눈에 띄는 상호 작용을 감지하는 데 특히 유용 할 수 있습니다.

library(ggplot2)
a = data.frame(names,prevs,se)
a$let = substr(a$names,1,1)
a$num = substr(a$names,2,2)
ggplot(data = a)+
layer(
    geom = 'point'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , shape = let
    )
)+
layer(
    geom = 'line'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , linetype = let
        , group = let
    )    
)+
layer(
    geom = 'errorbar'
    , mapping = aes(
        x = num
        , ymin = prevs-se
        , ymax = prevs+se
        , colour = let
    )
    , alpha = .5
    , width = .5
)

왜 당신이이 음모를 좋아하지 않는지 궁금합니다. 나는 항상 그들을 사용합니다. 명백한 개화를 밝히지 않고 다른 그룹의 평균을 비교하고 95 % CI가 겹치는 지 (즉, 실제 평균이 다를 수 있음) 확인할 수 있습니다.

다른 목적을 위해 단순성과 정보의 균형을 얻는 것이 중요합니다. 그러나이 줄거리를 사용할 때 "이 두 그룹은 중요한 방식으로 서로 다릅니다"라고 말합니다.

나에게는 꽤 좋은 것 같지만 반례를 듣는 데 관심이 있습니다. 나는 플롯의 사용에 암시 적으로 데이터에 평균이 유효하지 않거나 오해의 소지가있는 희귀 분포를 가지고 있지 않다고 가정합니다.

데이터가 비율 인 경우 즉 , 성공 횟수를 시행 횟수로 나눈 경우, 매우 우아한 방법은 퍼널 도표입니다. 예를 들어, http://qshc.bmj.com/content/11/4/390.2.full을 참조하십시오 (링크에 가입이 필요한 경우에는 사과 하십시오. 저에게 알려 주시면 다른 것을 찾을 수 있습니다).

다른 유형의 데이터에 적용 할 수는 있지만 예를 보지 못했습니다.

최신 정보:

다음은 구독이 필요하지 않은 (예 : 구독 방법에 대한 설명이있는) 예제 링크입니다. http://understandinguncertainty.org/fertility

표준 오류에 대한 평균을 간단히 표시하여 속도가 아닌 데이터에 사용할 수 있지만 일부 단순성을 잃을 수 있습니다.

Wikipedia 기사는 메타 분석에서의 사용법에 대해서만 설명하기 때문에 좋지 않습니다. 나는 그들이 다른 많은 상황에서 유용 할 수 있다고 주장했다.

여기에서 상자 그림을 사용할 것입니다. 깨끗하고 의미 있고 비모수 적이 거나 분포가 더 흥미로운 경우 vioplot .

위의 @csgillespie의 훌륭한 코드 단순화 :

qplot(
    data=a,
    x=num,
    y=prevs,
    colour=let,
    shape=let,
    group=let,
    ymin=prevs-se,
    ymax=prevs+se,
    position=position_dodge(width=0.25),
    geom=c("point", "line", "errorbar")
    )

나는 geom_pointrange를 errorbar보다 선호하고 선이 도움이되지 않고 산만하다고 생각합니다. 다음은 @James 또는 @csgillespie 버전보다 훨씬 깨끗한 버전입니다.

qplot(
 data=a,
 x=num,
 y=prevs,
 colour=let,
 ymin=prevs-se,
 ymax=prevs+se,
 position=position_dodge(width=0.25),
 geom=c("pointrange"), size=I(2)
 )