กราฟิกทางเลือกในการ "จับแถบ" แปลง

ในส่วนของการวิจัยของฉันวิธีที่นิยมในการแสดงข้อมูลคือการใช้แผนภูมิแท่งร่วมกับ "handle-bars" ตัวอย่างเช่น,

"มือจับบาร์" สลับกันระหว่างข้อผิดพลาดมาตรฐานและส่วนเบี่ยงเบนมาตรฐานขึ้นอยู่กับผู้แต่ง โดยทั่วไปขนาดตัวอย่างสำหรับแต่ละ "บาร์" นั้นค่อนข้างเล็ก - ประมาณหก

แผนการเหล่านี้ดูเหมือนจะได้รับความนิยมเป็นพิเศษในสาขาวิทยาศาสตร์ชีวภาพ - ดูตัวอย่างเอกสารสองสามฉบับแรกของBMC Biology, vol 3สำหรับตัวอย่าง

ดังนั้นคุณจะนำเสนอข้อมูลนี้อย่างไร

ทำไมฉันไม่ชอบแปลงเหล่านี้

ส่วนตัวฉันไม่ชอบแปลงเหล่านี้

1. เมื่อขนาดตัวอย่างเล็กทำไมไม่เพียงแสดงจุดข้อมูลแต่ละจุด
2. มันคือ sd หรือ se ที่กำลังถูกแสดง? ไม่มีใครตกลงที่จะใช้
3. ทำไมต้องใช้บาร์เลย ข้อมูลไม่ได้ (ปกติ) ไปจาก 0 แต่ผ่านครั้งแรกที่กราฟแสดงให้เห็นว่ามันไม่
4. กราฟไม่ได้ให้ข้อมูลเกี่ยวกับช่วงหรือขนาดตัวอย่างของข้อมูล

สคริปต์ R

นี่คือรหัส R ที่ฉันใช้ในการสร้างพล็อต ด้วยวิธีนี้คุณสามารถ (ถ้าคุณต้องการ) ใช้ข้อมูลเดียวกัน

                                        #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)

ขอบคุณสำหรับทุกคำตอบ เพื่อความสมบูรณ์ฉันคิดว่าฉันควรรวมสิ่งที่ฉันมักจะทำ ฉันมักจะรวมคำแนะนำที่ได้รับ: จุด, boxplots (เมื่อ n มีขนาดใหญ่) และช่วง se (หรือ sd)

( ลบออกโดยโมเดอเรเตอร์เนื่องจากไซต์ที่โฮสต์รูปภาพไม่ทำงานอย่างถูกต้องอีกต่อไป )

จากพล็อตจุดเป็นที่ชัดเจนว่าข้อมูลมีการแพร่กระจายมากขึ้นจากพล็อต "จับบาร์" ที่แนะนำ ในความเป็นจริงมีค่าเป็นลบใน A3!

ฉันได้ทำคำตอบนี้ CW ดังนั้นฉันไม่ได้รับตัวแทน

คำปราศรัยของ Frank Harrell (ยอดเยี่ยมที่สุด) มีชื่อว่า "Information Allergy" ที่ useR! เมื่อเดือนที่แล้วแสดงทางเลือกเหล่านี้: แทนที่จะซ่อนข้อมูลดิบผ่านการรวมแถบที่ให้ไว้ข้อมูลดิบจะถูกแสดงเป็นจุด (หรือจุด) "ทำไมต้องซ่อนข้อมูล" ความคิดเห็นของแฟรงค์

เมื่อพิจารณาจากการผสมผสานของ alpa การนัดหยุดงานเป็นข้อเสนอแนะที่สมเหตุสมผลที่สุด (และการพูดคุยทั้งหมดที่เต็มไปด้วยความดี

จากมุมมองทางจิตวิทยาฉันแนะนำให้พล็อตข้อมูลรวมถึงความไม่แน่นอนของคุณเกี่ยวกับข้อมูล ดังนั้นในพล็อตที่คุณแสดงฉันจะไม่รำคาญกับการขยายแถบไปจนถึงศูนย์ซึ่งทำหน้าที่เพียงเพื่อลดความสามารถของตาในการแยกความแตกต่างในช่วงของข้อมูล

นอกจากนี้ฉันตรงไปตรงมาต่อต้านการต่อรอง; กราฟแท่งจะจับคู่ตัวแปรสองตัวเข้ากับคุณลักษณะความงามเดียวกัน (ตำแหน่งแกน x) ซึ่งอาจทำให้เกิดความสับสน วิธีที่ดีกว่าคือการหลีกเลี่ยงการทำแผนที่ความซ้ำซ้อนโดยการทำแผนที่ตัวแปรหนึ่งตัวไปยังแกน x และอีกตัวแปรหนึ่งไปยังแอตทริบิวต์ความงามอื่น (เช่นรูปร่างจุดหรือสีหรือทั้งสองอย่าง)

ในพล็อตของคุณด้านบนคุณจะรวมเฉพาะแถบข้อผิดพลาดด้านบนของค่าซึ่งเป็นอุปสรรคต่อความสามารถในการเปรียบเทียบช่วงเวลาของความไม่แน่นอนที่เกี่ยวข้องกับแถบด้านบนและด้านล่างของค่า

นี่คือวิธีที่ฉันจะลงจุดข้อมูล (ผ่านแพ็คเกจ ggplot2) โปรดทราบว่าฉันเพิ่มจุดเชื่อมต่อเส้นในชุดเดียวกัน บางคนแย้งว่านี่เป็นสิ่งที่เหมาะสมก็ต่อเมื่อซีรีส์ที่เชื่อมต่อกับสายนั้นเป็นตัวเลข (อย่างที่ดูเหมือนจะเป็นในกรณีนี้) อย่างไรก็ตามตราบใดที่มีความสัมพันธ์ตามลำดับที่สมเหตุสมผลในระดับของตัวแปรแกน x เส้นเชื่อมต่อมีประโยชน์ในการช่วยให้จุดเชื่อมโยงตาทั่วแกน x สิ่งนี้จะเป็นประโยชน์อย่างยิ่งสำหรับการตรวจจับการโต้ตอบซึ่งโดดเด่นด้วยเส้น

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
)

ฉันอยากรู้ว่าทำไมคุณไม่ชอบแปลงเหล่านี้ ฉันใช้พวกเขาตลอดเวลา พวกเขาอนุญาตให้คุณเปรียบเทียบค่าเฉลี่ยของกลุ่มต่าง ๆ และดูว่า CIs 95% ของพวกเขาทับซ้อนกันหรือไม่ (เช่นค่าเฉลี่ยจริงน่าจะแตกต่างกัน)

เป็นเรื่องสำคัญที่จะต้องมีความสมดุลของความเรียบง่ายและข้อมูลเพื่อจุดประสงค์ที่แตกต่างกัน แต่เมื่อฉันใช้พล็อตเหล่านี้ฉันกำลังพูดว่า - "ทั้งสองกลุ่มนี้แตกต่างจากกันในทางที่สำคัญ" [หรือไม่]

ดูเหมือนจะดีสำหรับฉัน แต่ฉันสนใจที่จะได้ยินตัวอย่างเคาน์เตอร์ ฉันคิดว่าโดยนัยในการใช้พล็อตคือข้อมูลไม่ได้มีการกระจาย bizzare ซึ่งทำให้ค่าเฉลี่ยไม่ถูกต้องหรือทำให้เข้าใจผิด

หากข้อมูลเป็นอัตรา : นั่นคือจำนวนความสำเร็จหารด้วยจำนวนการทดลองวิธีการที่สวยงามมากคือพล็อตช่องทาง ตัวอย่างเช่นดูhttp://qshc.bmj.com/content/11/4/390.2.full (ขอโทษถ้าลิงค์ต้องสมัครสมาชิก - แจ้งให้เราทราบและฉันจะหาอีก)

อาจเป็นไปได้ที่จะปรับให้เข้ากับข้อมูลประเภทอื่น แต่ฉันไม่ได้เห็นตัวอย่างใด ๆ

UPDATE:

นี่คือลิงก์ไปยังตัวอย่างที่ไม่จำเป็นต้องสมัครสมาชิก (และมีคำอธิบายที่ดีเกี่ยวกับวิธีการใช้): http://understandinguncertainty.org/fertility

พวกเขาสามารถใช้สำหรับข้อมูลที่ไม่ใช่อัตราโดยเพียงแค่วางแผนค่าเฉลี่ยกับข้อผิดพลาดมาตรฐาน แต่พวกเขาอาจสูญเสียความเรียบง่ายของพวกเขา

บทความวิกิพีเดียไม่ดีเท่าที่กล่าวถึงการใช้ในการวิเคราะห์เมตาเท่านั้น ฉันขอยืนยันว่าพวกเขาอาจมีประโยชน์ในบริบทอื่น ๆ อีกมากมาย

ฉันจะใช้ boxplots ที่นี่; สะอาด, มีความหมาย, ไม่ใช่พารามิเตอร์ ... หรือvioplotถ้าการแจกแจงนั้นน่าสนใจยิ่งขึ้น

ลดความซับซ้อนของรหัสที่ยอดเยี่ยมของ @ csgillespie จากด้านบน:

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")
    )

ฉันชอบ geom_pointrange กับ errorbar และคิดว่าเส้นนั้นเบี่ยงเบนความสนใจมากกว่ามีประโยชน์ นี่คือรุ่นที่ฉันพบว่าสะอาดกว่ารุ่น @James หรือ @csgillespie:

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)
 )