Generador de gráficos: estadísticas poco claras cuando se utilizan varias columnas de respuestaHola a todos,
Tengo un problema con las estadísticas/gráficos de barras que utilizan varias columnas de respuesta. Como ejemplo, usaré la tabla de datos de Big Class Families y estoy usando JMP18.
Quiero trazar la fracción de personas que han visitado países específicos; para simplificar, restringí la edad a 14 años. Hice un generador de gráficos con el siguiente 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 ) )
)
)
);
Las etiquetas de porcentaje en el diagrama de barras muestran valores de 9,1 y 18 % para recuentos de 1 y 2, respectivamente. Esperaría (corríjame si me equivoco) tener un valor de 1/12 ~ 8,3% y 2/12 ~ 17% si el porcentaje se calcula con el número de personas en la edad respectiva (12) como base. valor. Por alguna razón, JMP parece utilizar el número de respuestas como valor base para el cálculo del porcentaje (que es 11 en este caso, por lo que 1/11 ~ 9,1 % y 2/11 ~ 18 %)
¿Se pretende que el número de respuestas se utilice como valor base para dicho cálculo con columnas de Respuestas múltiples en lugar del número de filas respectivas? ¿Cuál es la mejor práctica para trazar los valores como pretendo (porcentaje respectivo al número de filas como etiquetas)?
Análisis y modelado de datos básicosExploración y visualización de datosRe: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaHola @gnu23 : La forma que sugieres (dividir por 12, el número de personas) daría como resultado la suma = 100*(5/12 + 6/12) = 91,67%, que es menos del 100%. Dividir por el número de respuestas (11) da como resultado un total de 100*(5/11 + 6/11) = 100%, como debería. Puede seleccionar "Incluir categorías faltantes" (5/16) en el triángulo rojo desplegable del Generador de gráficos para obtener una vista más completa de los datos. O si desea utilizar el número de personas como su "n", es posible que tenga que cambiar los países visitados a una única respuesta nominal y poner "Sin respuesta" (para los condados visitados) o algo para los que no respondieron (o, como arriba, utilice la opción "Incluir categorías faltantes" ).
Entonces... depende de lo que intentes mostrar en tu trama. ¿Está centrado en las visitas a un condado (como se muestra) o en el historial de viajes de las personas?
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaHola @MRB3855 ,
Gracias por su pronta respuesta. Soy consciente de que dividir por el número de filas daría como resultado que la suma de los porcentajes no fuera del 100%, lo cual es bastante lógico en mi opinión si se trata de columnas que tienen "múltiples respuestas". Usar una única respuesta nominal sería una opción en este caso, pero también reduce la funcionalidad.
Lo que quiero esbozar en el gráfico sería una especie de "popularidad" de un país, o en otras palabras, si tomo una persona al azar cuál es la probabilidad de que haya estado en el país x.
Un ejemplo más grave de este tipo de estadísticas extrañas sería un conjunto de datos de, por ejemplo, 12 personas, donde sólo una ha estado en dos países, mientras que el resto no ha estado en ningún país. Un gráfico como el anterior mostraría el 50% para ambos países (1/2 respuestas), en lugar de 1/12 para ambos países (lo que, en mi opinión, tendría sentido). El uso de "Incluir faltantes" no solucionará este problema, ya que agregará los valores faltantes como respuestas adicionales, pero aún así contará las respuestas en lugar de las filas, lo que generará (en mi opinión) un valor porcentual incorrecto siempre que haya al menos una fila con más de una sola respuesta.
Creo que la discusión se reduce a la pregunta de si las estadísticas sobre múltiples columnas de respuestas generalmente deberían usar el número de respuestas (estándar ahora en JMP) o el número de filas como 'n'. En mi opinión, la segunda opción tendría más sentido para muchos casos de uso y una opción para cambiar entre estos dos valores para 'n' aumentaría la (ya muy buena) funcionalidad de múltiples columnas de respuesta.
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaEstoy de acuerdo, los casos de uso en los que UNA fila cuenta 1 parecen ser bastante obvios, incluso para entradas con respuestas múltiples:)
"¿Qué porcentaje de los estudiantes visitó Italia?"
Es más probable que se le pregunte que:
"Tomando todos los casos en los que alguno de los estudiantes visitó algún país, ¿con qué frecuencia fue Italia?"
Debo admitir que quedé atrapado en el argumento del "100%", pero después de una discusión a la hora del almuerzo sobre el tema, aceptaré que proporciones como "¿Qué porcentaje de los estudiantes visitaron...?" No es necesario sumar hasta el 100%. ¿Cómo calcular los valores?
El extraño comportamiento de contar respuestas se vuelve aún más extraño cuando se combinan múltiples histogramas en un gráfico:
Graph Builder: respuesta múltiple + histogramas múltiples
Supongamos que una escuela evalúa las actividades deportivas a través de Jmp. Si un estudiante tiene suficiente tiempo para viajar, puede hacer trampa y mejorar las puntuaciones de su actividad deportiva en órdenes de magnitud. Mire a LOUISE viajar por el mundo y el efecto en las estadísticas del "Baloncesto":
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>
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuesta
@MRB3855 escribió:
@hogi dijo:
"¿Qué porcentaje de los estudiantes visitó Italia?"
...
¿En realidad? No se…
... solo pensé en la profesora de la clase preguntando:
"¿Quién visitó Italia este año? ¡Guau, todos! ¿Y Francia? El 30% de la clase..."
Supongamos que hay 10 estudiantes en la clase.
todos visitaron Italia: 100%.
3 de ellos visitaron Francia: 30%
5 de ellos visitaron Brasil: 50%
en total (solo mirando los 3 números): "180%"
Estoy de acuerdo, definitivamente esta no es la forma, se calcula con porcentajes.:)
Mi cerebro casi explota, pero uno podría estar de acuerdo: el 100%, el 30% y el 50% son "significativos".
Las únicas 2 cosas.
- no suman 100%
- no se pueden calcular mediante "Etiqueta por porcentaje de valores totales" *) y enfoques similares en JMP.
*) podría ser genial tener algo como: "Etiquetar por porcentaje de todas las filas" (como en todos los gráficos sin respuesta múltiple)
entonces, apoyaría la sugerencia de @ gnu23 de proporcionar una segunda opción alternativa de calcular por filas en lugar de "respuestas"...
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuesta
@MRB3855 escribió:
un estudiante puede visitar más de un país
Sí, creo que esta es la idea básica de "respuesta múltiple".:)
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaDe hecho @hogi : Y para completar el pensamiento, y matar esto a fondo... un estudiante, sin embargo, no puede visitar más de un país a la vez (por ejemplo, un estudiante no puede estar en Italia y Alemania en el Mismo tiempo). Entonces, definidos de esa manera, esos países son mutuamente excluyentes. Y en ese caso, combinado con el caso que incluye estudiantes que no visitaron ningún país, también es colectivamente exhaustivo. Luego, esos sumarán 100% (mediante el conteo de respuestas como es el método actual).
Como tu estabas...
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaSi otros usuarios están interesados en las estadísticas "alternativas" (Ntotal = Nrows), aquí está el deseo:
Generador de gráficos: opción para "estadísticas por fila", no por respuesta
El aprendizaje más importante es que Graph Builder cambia completamente su forma de calcular estadísticas, una vez que se usa una columna con el tipo de modelado "Respuesta múltiple" en CUALQUIER LUGAR del gráfico:
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuesta¿Quizás con la investigación del consumidor/estudio de respuesta categórica?
https://community.jmp.com/t5/Discussions/Question- related-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 )
);
Los estudiantes que viajan mucho cuentan N veces, ¡incluso en el denominador!
→ fijo
¡Los estudiantes que no viajan no cuentan!
→ fixed via Count Missing Responses( 1 )
y ¡tada! - [las estadísticas en la parte inferior]:
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 )
)
)
);
