Costruttore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multiplaCiao a tutti,
Ho un problema nel leggere statistiche/grafici a barre utilizzando più colonne di risposta. Ad esempio, utilizzerò la tabella dati Big Class Families e sto utilizzando JMP18.
Voglio tracciare la frazione di persone che hanno visitato paesi specifici, per semplicità ho limitato l'età a 14 anni. Ho creato un generatore di grafici con il seguente script:
Graph Builder(
Size( 1097, 475 ),
Legend Position( "Right" ),
Fit to Window( "Off" ),
Summary Statistic( "Median" ),
Order Statistic( "Median" ),
Variables( X( :countries visited ), Group X( :age ) ),
Elements(
Bar(
X,
Legend( 5 ),
Summary Statistic( "N" ),
Label( "Label by Percent of Total Values" )
),
Caption Box( X, Legend( 6 ), Summary Statistic( "Median" ) )
),
Local Data Filter(
Add Filter(
columns( :age ),
Where( :age == 14 ),
Display( :age, N Items( 6 ) )
)
)
);
Le etichette percentuali sul grafico a barre mostrano valori pari a 9,1 e 18% rispettivamente per conteggi di 1 e 2. Mi aspetterei (correggimi se sbaglio) un valore di 1/12~ 8,3% e 2/12 ~ 17% se la percentuale viene calcolata con il numero di persone nella rispettiva età (12) come base valore. Per qualche motivo, JMP sembra utilizzare il numero di risposte come valore base per il calcolo della percentuale (che in questo caso è 11, quindi 1/11 ~ 9,1% e 2/11 ~ 18%)
È previsto che il numero di risposte venga utilizzato come valore base per tale calcolo con colonne a risposta multipla anziché il numero delle rispettive righe? Qual è la pratica migliore per tracciare i valori come intendo (percentuale rispettiva al numero di righe come etichette)?
Analisi e modellazione dei dati di baseEsplorazione e visualizzazione dei datiRi: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multiplaCiao @gnu23 : Il modo che suggerisci (dividendo per 12, il numero di persone) darebbe come risultato la somma = 100*(5/12 + 6/12) = 91,67%, che è inferiore al 100%. Dividendo per il numero di risposte (11) si ottiene un totale di 100*(5/11 + 6/11) = 100%, come dovrebbe. Puoi selezionare "Includi categorie mancanti" (5/16) dal triangolo rosso a discesa del Costruttore di grafici per ottenere una visualizzazione più completa dei dati. Oppure, se desideri utilizzare il numero di persone come "n", potresti dover modificare i paesi visitati in una singola risposta nominale e inserire "Nessuna risposta" (per i paesi visitati) o qualcosa per chi non ha risposto (o, come sopra, utilizzare l'opzione "Includi categorie mancanti" ).
Quindi... dipende da cosa stai cercando di mostrare nella tua trama. Ti concentri sulle visite a una contea (come mostrato) o sulla cronologia dei viaggi delle persone?
Ri: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multiplaCiao @MRB3855 ,
grazie per la rapida risposta. Sono consapevole che dividendo per il numero di righe la somma delle percentuali non sarebbe pari al 100%, il che è abbastanza logico secondo me se si ha a che fare con colonne che hanno "risposte multiple". In questo caso l'utilizzo di un'unica risposta nominale sarebbe un'opzione, ma riduce anche la funzionalità.
Quello che voglio delineare nella trama sarebbe una sorta di "popolarità" di un paese, o, in altre parole, se prendo una persona a caso qual è la probabilità che sia stata nel paese x.
Un esempio più grave di questo tipo di statistiche strane sarebbe un set di dati, ad esempio, di 12 persone, di cui solo una è stata in due paesi, mentre tutto il resto non è stato in nessun paese. Un grafico come sopra mostrerebbe il 50% per entrambi i paesi (1/2 risposte), invece di 1/12 per entrambi i paesi (il che avrebbe senso secondo me). L'uso di "Includi mancanti" non risolverà questo problema poiché aggiungerà i valori mancanti come risposte extra, ma conterà comunque le risposte invece delle righe, producendo un valore percentuale sbagliato (a mio avviso) purché ci sia almeno una riga con più di una sola risposta.
Penso che la discussione si riduca alla domanda se le statistiche su colonne a risposta multipla debbano generalmente utilizzare il numero di risposte (standard ora in JMP) o il numero di righe come "n". A mio avviso, la seconda opzione avrebbe più senso per molti casi d'uso e un'opzione per alternare questi due valori per "n" aumenterebbe la funzionalità (già molto interessante) delle colonne a risposta multipla.
Ri: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multiplaSono d'accordo, i casi d'uso in cui UNA riga conta 1 sembrano essere abbastanza ovvi, anche per le voci con risposta multipla:)
"Quale percentuale degli studenti ha visitato l'Italia?"
è più probabile che venga chiesto rispetto a:
"Prendendo in considerazione tutti i casi in cui uno degli studenti ha visitato un paese, quanto spesso è stato l'Italia?"
Devo ammettere che sono rimasto intrappolato dall'argomento "100%", ma dopo una discussione sull'argomento all'ora di pranzo, accetterò che rapporti come "Quale percentuale di studenti ha visitato...?" non è necessario sommare fino al 100%. Come calcolare i valori?
Lo strano comportamento del conteggio delle risposte diventa ancora più strano quando più istogrammi vengono combinati in un unico grafico:
Generatore di grafici: risposta multipla + istogrammi multipli
Supponiamo che una scuola valuti le attività sportive tramite Jmp. Se uno studente ha abbastanza tempo per viaggiare, può imbrogliare e aumentare i punteggi della sua attività sportiva di ordini di grandezza! Guarda LOUISE viaggiare per il mondo - e l'effetto sulle statistiche di "Basket":
dt = Open( "$SAMPLE_DATA/Big Class Families.jmp" );
NewWindow("compare",H List box(
dt << Graph Builder(
Show Control Panel( 0 ),
Variables(
X( :sports ),
X( :countries visited )
),
Elements( Position( 1, 1 ), Bar( X, Legend( 3 ) ) ),
Elements( Position( 2, 1 ), Bar( X, Legend( 8 ) ) ),
SendToReport(
Dispatch(
{},
"",
ScaleBox,
{Min( 0 ), Max( 50 ), Inc( 10 ), Minor Ticks( 1 )}
)
)
);
dt << Graph Builder(
Show Control Panel( 0 ),
Variables( X( :sex ) ),
Elements( Bar( X, Legend( 3 ) ) ),
SendToReport(
Dispatch(
{},
"",
ScaleBox,
{Min( 0 ), Max( 50 ), Inc( 10 ), Minor Ticks( 1 )}
)
)
)));
dt << Minimize Window();
New Window( "",
<<TYPE></TYPE>
Ri: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multipla
@MRB3855 ha scritto:
@hogi ha detto:
"Quale percentuale degli studenti ha visitato l'Italia?"
...
Veramente? Non so…
... Ho solo pensato all'insegnante della classe che chiedeva:
"chi ha visitato l'Italia quest'anno? wow, tutti! E la Francia? Il 30% della classe..."
Supponiamo che nella classe ci siano 10 studenti.
tutti hanno visitato l'Italia: il 100%.
3 di loro hanno visitato la Francia: 30%
5 di loro hanno visitato il Brasile: 50%
in totale (solo guardando i 3 numeri): "180%"
Sono d'accordo, sicuramente non è così, si calcola con le percentuali:)
Il mio cervello è quasi esploso, ma si potrebbe essere d'accordo: il 100%, il 30% e il 50% sono "significativi".
Le uniche 2 cose.
- la somma non corrisponde al 100%
- non possono essere calcolati tramite "Etichetta in base alla percentuale dei valori totali" *) e approcci simili in JMP.
*) potrebbe essere fantastico avere qualcosa come: "Etichetta in base alla percentuale di tutte le righe" (come in tutti i grafici senza risposta multipla)
quindi, sosterrei il suggerimento di @ gnu23 di fornire una seconda/alternativa opzione di calcolo per righe invece che per "risposte" ...
Ri: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multipla
@MRB3855 ha scritto:
uno studente potrebbe visitare più di un paese
Sì, penso che questa sia l'idea di base della "risposta multipla":)
Ri: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multiplaEffettivamente @hogi : E per completare il pensiero, e per battere a fondo questo argomento... uno studente, tuttavia, non può visitare più di un paese alla volta (ad esempio, uno studente non può essere in Italia e Germania allo stesso tempo contemporaneamente). Quindi, definiti in questo modo, questi paesi si escludono a vicenda. E in quel caso, combinato con il caso che include studenti che non hanno visitato nessun paese, allora è anche collettivamente esaustivo. Quindi, la somma sarà pari al 100% (tramite il conteggio delle risposte come avviene con il metodo attuale).
Come eri...
Ri: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multiplaSe altri utenti sono interessati alle statistiche "alternative" (Ntotal = Nrows), ecco l'augurio:
Costruttore di grafici: opzione per "statistiche per riga" - non per risposta
L'apprendimento più importante è che il Costruttore di grafici cambia completamente il suo modo di calcolare le statistiche, una volta che una colonna con tipo di modellazione "Risposta multipla" viene utilizzata OVUNQUE nel grafico:
Ri: Generatore di grafici: statistiche poco chiare quando si utilizzano colonne a risposta multiplamagari con la ricerca sui consumatori/studio sulla risposta categoriale?
https://community.jmp.com/t5/Discussions/Question-lated-to-multiple-response-variable-how-to-generate/mp/766131/highlight/true#M94610
Open( "$SAMPLE_DATA/Big Class Families.jmp" );
Categorical(
Count Missing Responses( 1 ),
Multiple Delimited( :countries visited )
);
gli studenti che viaggiano molto contano N volte, anche al denominatore!
→ risolto
gli studenti che non viaggiano non contano!
→ fixed via Count Missing Responses( 1 )
e - tada! - [le statistiche in fondo]:
Open( "$SAMPLE_DATA/Big Class Families.jmp" );
Categorical(
Count Missing Responses( 1 ),
Multiple Delimited( :countries visited ),
Legend( 0 ),
Local Data Filter(
Close Outline( 1 ),
Add Filter(
columns( :age ),
Where( :age == 14 )
)
)
);
