回复：案件编号 00060333/ 00055270
简要要点：我请求图形生成器中的拖放功能来折叠选定的感兴趣变量中的多个数据点[例如“相反”覆盖]，目的是告知更聪明SEM 误差线由显示的剩余数据点数量 N 确定。 这纠正了多个统计上误导或不正确的可视化，并极大地提高了效率，而效率目前需要大量的解决方法，而这些解决方法目前使探索复杂的数据集具有挑战性。 此功能将使 JMP 变得更加强大。
是什么激发了这个愿望清单请求？我的名字是布莱恩·斯维斯，医学博士、哲学博士。 我是一名精神科医生和行为神经科学家，在纽约市西奈山医院工作。 我主要处理小鼠行为数据，生成非常大且复杂的数据集。 我在 JMP 中创建的用于分析数据的表格具有许多不同类型的数据，包括简单的项目（例如每日体重测量）或更复杂的任务绩效测量（例如在决策任务中测试的试验反应时间），其中我有时可能会进行 500 次试验每只小鼠单独行 x 40 只小鼠 x 60 天，轻松达到 100 万行。 我经常分析小鼠的平均值，以多种不同的方式分割数据，包括将分析限制在特定的测试周，或者可能仅限于某一天甚至多天的前 10 次试验，等等。 当我生成图形时，使用图形生成器流畅地探索这个庞大的数据集是关键。 我经常需要在条形图或折线图上绘制平均值的标准误差，在行为神经科学中，N 个样本的所需误差项是生物体/小鼠数量的水平。 在我有大量重复项或样本的数据集中，特别是如果它是一天内或跨天内多次采取的测量，并且我想如上所述绘制组平均值，则 SEM 误差线通常会被错误地低估，因为图形生成器中的 N 是使用显示中的样本总数（例如，如果跨天进行分类，有时 N=5,000 个样本，而实际上我需要的只是 N=40 只小鼠）。
您希望看到什么改进？
我通过电子邮件与 JMP 支持团队成员进行了一次长对话。 我们最终共同决定，如果在 Graph Builder 中正确地本地实现，我想要的功能将非常有价值，并且目前不可能没有大量的解决方法，涉及必须生成许多额外的表摘要、数据列或脚本，这些方法很快就变得站不住脚。变量数量增加或者数据分箱方式是否需要不断变化。
我将在下面用一系列屏幕截图示例数据、问题和潜在的解决方案来说明。
首先，这里是 10 天内每天采集的 10 只小鼠的体重示例数据，因此总共 N=100 个样本。
接下来，我将绘制 10 只小鼠的平均体重，当放入图形生成器上的 X 组时按天划分。
每天可以领略N=10点的水平。 此处，平均值和 SEM 误差线是正确的且符合预期。 这很快就会在下面成为问题。
通过简单地从 X 组中删除一天，所有数据都会被轮询在一起，跨天折叠，但现在我们在这里显示了所有 100 个样本。 每只鼠标在此显示 10 次。 在这里，平均值还可以，但 SEM 误差条使用 N=100 作为误差项，而不是 n=10 只小鼠，这在行为神经科学中几乎总是如此。 这是一个简单而常见的问题，如果 JMP 在图形生成器中构建本机解决方案，那么该问题将非常有用。 请参阅下文，了解如何变得更加复杂，并且当前的解决方案无法轻松解决。
显而易见的事情是使用表格摘要功能。
我经常不得不依靠这一点，但当我有更复杂的变量时，我通常不得不从原始数据集中制作数百个表摘要。 当探索我的数据时，这种情况很快就会失控。 它通常与必须应用数据过滤器、进行摘要摘要等等的复杂安排相结合。
一位 JMP 支持成员建议添加新列，用于计算每只小鼠 10 天的平均值，您可以在下面看到，这种方法可行，但对于体重等单一变量来说相当麻烦，而且效果不佳例如，一个包含 100 个其他变量的表，这些变量要复杂得多，例如行为任务绩效度量。 仅此一项就会增加 8 列 x 100 个变量，并且变得难以管理。 即使提取此类列的公式并替换公式正在使用的变量也不是理想的并且极其手动/费力。
如果我想将数据细分为多个级别，尤其是当级别由不对称数据点组成时，尤其如此。 尤其是当我在图形生成器中探索数据并且经常动态更改这些分箱参数时。 见下文。
这是另一个用例，我还使用本地数据过滤器来对我的数据进行子集化。 使用脚本或新列来实现这一点变得越来越有问题。
您可以看到，如果我子集并仅包含第 7-10 天，在左侧，当我在 X 组级别中按天分割时，当然，它仅针对所选日期按预期显示每条 n=10，但汇总数据右边仍然有 n=40。
本质上，最佳解决方案是实现一种将感兴趣的变量拖放到图形生成器中的新放置区域中的方法。 下面，我描述了我想象的两种可能的解决方案：
左边标注在红色是以“鼠标 ID”为中心的方法，作为在图形生成器上添加鼠标 ID 的一种方式和/或作为在错误间隔/错误样式选项中进行选择的选项，其目标是将每只鼠标的 10 个数据点减少为每只鼠标本身的单个数据点全部在此处的图形生成器中。 因此，我们可以在一天结束时告诉图形生成器我们想要确定误差项的变量（例如，通过唯一值，对剩余点求平均值）。 右侧注释为绿色是一种以“日”为中心的方法- 在这个特定示例中我不关心并且我想要折叠的变量。 将此视为“与覆盖相反” - 我不想按这个变量进行分割，而是想折叠这个特定维度上的数据（本质上与我故意离开相同）天表摘要分组变量之外）。 我有一种感觉，红色方法更有意义，但用户可能想以某种方式告知我明确尝试折叠的变量（例如，天）。 无论如何，两者都会引导您得到带有正确误差项的理想化条形图（n=10 个总数据点，每只鼠标 1 个）。 当在图形生成器中直观地探索数据时，这可以解决我上面描述的更复杂的示例（例如，使用自定义级别、数据过滤器等）。
为什么这个想法很重要？
如果直接内置到图形生成器中，使用我的建议快速调整误差线将使探索复杂数据集变得高效。 这纠正了多个误导性或统计上不正确的可视化，这些可视化通常并不代表许多科学家和研究人员在使用个体生物体作为假定错误项时进行的基础分析。 这避免了许多变通办法，这些变通办法要么很快变得麻烦、站不住脚，要么无法管理更大或更复杂的数据集。图形生成器中的这种控制级别将是前所未有的，我认为这将是一个独特且极其强大的工具。
