回覆：案件編號 00060333
簡要重點：我請求圖形生成器中的拖放功能來折疊選定的興趣變數中的多個數據點[例如“相反”覆蓋]，目的是告知更聰明SEM 誤差線由顯示的剩餘數據點數量 N 決定。 這修正了多個統計上誤導或不正確的可視化，並極大地提高了效率，而效率目前需要大量的解決方法，而這些解決方法目前使探索複雜的數據集具有挑戰性。 此功能將使 JMP 變得更加強大。
是什麼激發了這個願望清單請求？我的名字是布萊恩‧斯維斯，醫學博士、哲學博士。 我是一名精神科醫生和行為神經科學家，在紐約市西奈山醫院工作。 我主要處理小鼠行為數據，產生非常大且複雜的數據集。 我在JMP 中創建的用於分析數據的表格具有許多不同類型的數據，包括簡單的項目（例如每日體重測量）或更複雜的任務績效測量（例如在決策任務中測試的試驗反應時間），其中我有時可能會進行500 次試驗每隻小鼠單獨行 x 40 隻小鼠 x 60 天，輕鬆達到 100 萬行。 我經常分析小鼠的平均值，以多種不同的方式分割數據，包括將分析限制在特定的測試週，或者可能僅限於某一天甚至多天的前 10 次試驗，等等。 當我生成圖形時，使用圖形生成器流暢地探索這個龐大的資料集是關鍵。 我經常需要在長條圖或折線圖上繪製平均值的標準誤差，在行為神經科學中，N 個樣本的所需誤差項是生物體/小鼠數量的水平。 在我有大量重複項或樣本的資料集中，特別是如果它是一天內或跨天內多次採取的測量，並且我想如上所述繪製組平均值，則SEM 誤差線通常會被錯誤地低估，因為圖形產生器中的N 是使用顯示中的樣本總數（例如，如果跨天進行分類，有時 N=5,000 個樣本，而實際上我需要的只是 N=40 隻小鼠）。
您希望看到什麼改進？
我透過電子郵件與 JMP 支援團隊成員進行了一次長對話。 我們最終共同決定，如果在Graph Builder 中正確地本地實現，我想要的功能將非常有價值，並且目前不可能沒有大量的解決方法，涉及必須產生許多額外的表摘要、資料列或腳本，這些方法很快就變得站不住腳。變數數量增加或資料分箱方式是否需要不斷變化。
我將在下面用一系列螢幕截圖範例資料、問題和潛在的解決方案來說明。
首先，這裡是 10 天內每天採集的 10 隻小鼠的體重範例數據，因此總共 N=100 個樣本。
接下來，我將繪製 10 隻小鼠的平均體重，當放入圖形產生器上的 X 組時按天劃分。
每天可以領略N=10點的水平。 此處，平均值和 SEM 誤差線是正確的且符合預期。 這很快就會在下面成為問題。
透過簡單地從 X 組中刪除一天，所有資料都會被輪詢在一起，跨天折疊，但現在我們在這裡顯示了所有 100 個樣本。 每隻滑鼠在此顯示 10 次。 在這裡，平均值還可以，但 SEM 誤差條使用 N=100 作為誤差項，而不是 n=10 隻小鼠，這在行為神經科學中幾乎總是如此。 這是一個簡單而常見的問題，如果 JMP 在圖形生成器中建立本機解決方案，那麼該問題將非常有用。 請參閱下文，了解如何變得更加複雜，並且當前的解決方案無法輕鬆解決。
顯而易見的是使用表格摘要功能。
我經常必須依靠這一點，但當我有更複雜的變數時，我通常必須從原始資料集中製作數百個表格摘要。 當探索我的數據時，這種情況很快就會失控。 它通常與必須套用資料篩選器、進行摘要摘要等等的複雜安排相結合。
一位 JMP 支持成員建議添加新列，用於計算每隻小鼠 10 天的平均值，您可以在下面看到，這種方法可行，但對於體重等單一變量來說相當麻煩，而且效果不佳例如，一個包含100 個其他變數的表，這些變數要複雜得多，例如行為任務績效測量。 僅此一項就會增加 8 列 x 100 個變量，並且變得難以管理。 即使提取此類列的公式並替換公式正在使用的變數也不是理想的並且極其手動/費力。
如果我想將資料細分為多個級別，尤其是當級別由不對稱資料點組成時，尤其如此。 尤其是當我在圖形生成器中探索數據並且經常動態更改這些分箱參數時。 見下文。
這是另一個用例，我還使用本地資料過濾器來對我的資料進行子集化。 使用腳本或新列來實現這一點變得越來越有問題。
您可以看到，如果我子集並僅包含第7-10 天，在左側，當我在X 組級別中按天分割時，當然，它僅針對所選日期按預期顯示每條n=10 ，但匯總資料右邊仍然有 n=40。
本質上，最佳解決方案是實現一種將感興趣的變數拖放到圖形生成器中的新放置區域中的方法。 下面，我描述了我想像的兩個可能的解決方案：
左邊標註在紅色是以“滑鼠 ID”為中心的方法，作為在圖形產生器上添加滑鼠ID 的一種方式和/或作為在錯誤間隔/錯誤樣式選項中進行選擇的選項，其目標是將每隻滑鼠的10 個數據點減少為每隻滑鼠本身的單一數據點全部在此處的圖形產生器中。 因此，我們可以在一天結束時告訴圖形產生器我們想要確定誤差項的變數（例如，透過唯一值，對剩餘點求平均值）。 右側註釋為綠色是一種以「日」為中心的方法- 在這個特定示例中我不關心並且我想要折疊的變數。 將此視為“與覆蓋相反” - 我不想按這個變數進行分割，而是想折疊這個特定維度上的資料（本質上與我故意離開相同）天表摘要分組變數之外）。 我有一種感覺，紅色方法更有意義，但用戶可能想以某種方式告知我明確嘗試折疊的變數（例如，天）。 無論如何，兩者都會引導您獲得帶有正確誤差項的理想化長條圖（n=10 個總數據點，每隻滑鼠 1 個）。 當在圖形生成器中直觀地探索資料時，這可以解決我上面描述的更複雜的範例（例如，使用自訂等級、資料過濾器等）。
為什麼這個想法很重要？
如果直接內建到圖形產生器中，使用我的建議快速調整誤差線將使探索複雜資料集變得有效率。 這修正了多個誤導性或統計上不正確的可視化，這些視覺化通常不代表許多科學家和研究人員在使用個體生物體作為假定錯誤項時進行的基礎分析。 這避免了許多變通辦法，這些變通辦法要么很快變得麻煩、站不住腳，要么無法管理更大或更複雜的資料集。圖形生成器中的這種控制級別將是前所未有的，我認為這將是一個獨特且極其強大的工具。
