Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenHallo zusammen,
Ich habe ein Problem mit Statistiken/Balkendiagrammen, die mehrere Antwortspalten verwenden. Als Beispiel verwende ich die Datentabelle „Big Class Families“ und verwende JMP18.
Ich möchte den Anteil der Personen darstellen, die bestimmte Länder besucht haben. Der Einfachheit halber habe ich das Alter auf 14 beschränkt. Ich habe einen Diagrammersteller mit dem folgenden Skript erstellt:
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 ) )
)
)
);
Die Prozentbeschriftungen im Balkendiagramm zeigen Werte von 9,1 und 18 % für die Anzahl von 1 bzw. 2. Ich würde einen Wert von 1/12~ 8,3 % und 2/12~ 17 % erwarten (korrigieren Sie mich, wenn ich falsch liege), wenn der Prozentsatz mit der Anzahl der Personen im jeweiligen Alter (12) als Basiswert berechnet wird. Aus irgendeinem Grund scheint JMP die Anzahl der Antworten als Basiswert für die Prozentberechnung zu verwenden (in diesem Fall 11, also 1/11~ 9,1 % und 2/11~ 18 %)
Ist es beabsichtigt, dass bei solchen Berechnungen mit Mehrfachantwortspalten die Anzahl der Antworten als Basiswert verwendet wird, statt der Anzahl der entsprechenden Zeilen? Was ist die beste Vorgehensweise, um die Werte wie beabsichtigt darzustellen (Prozentsatz relativ zur Anzahl der Zeilen als Beschriftungen)?
Grundlegende Datenanalyse und ModellierungDatenexploration und -visualisierungBetreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer Antwortspaltenvielleicht mit Verbraucherforschung/Kategorischer Reaktionsstudie?
https://community.jmp.com/t5/Discussions/Question-lated-to-multiple-response-variable-how-to-generate/mp/766131/highlight/true#M94610
Open( "$SAMPLE_DATA/Big Class Families.jmp" );
Categorical(
Count Missing Responses( 1 ),
Multiple Delimited( :countries visited )
);
Studenten, die viel reisen, zählen N-mal – auch im Nenner!
→ behoben
Studierende die nicht reisen, zählen nicht!
→ fixed via Count Missing Responses( 1 )
und - tada! - [die Statistiken unten]:
Open( "$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 )
)
)
);
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenFalls andere Benutzer an den „alternativen“ (Ntotal = Nrows) Statistiken interessiert sind, hier der Wunsch:
Graph Builder: Option für „Statistiken nach Zeilen“ – nicht nach Antworten
Die wichtigste Erkenntnis besteht darin, dass Graph Builder seine gesamte Art und Weise zur Berechnung von Statistiken ändert, sobald eine Spalte mit dem Modellierungstyp „Mehrfachantwort“ IRGENDWO im Diagramm verwendet wird:
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenIn der Tat @hogi : Und um den Gedanken zu vervollständigen und das gründlich zu Ende zu bringen … ein Student kann jedoch nicht mehr als ein Land gleichzeitig besuchen (z. B. kann ein Student nicht gleichzeitig in Italien und Deutschland sein). So definiert schließen sich diese Länder also gegenseitig aus. Und in diesem Fall, kombiniert mit dem Fall, in dem Studenten eingeschlossen sind, die kein Land besucht haben, ist es auch kollektiv erschöpfend. Dann summieren sich diese auf 100 % (durch Zählen der Antworten, wie es die aktuelle Methode ist).
So wie du warst...
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer Antwortspalten
@MRB3855 schrieb:
Ein Student könnte mehr als ein Land besuchen
Ja, ich denke, das ist die Grundidee der „Multiple Response“.:)
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenHallo @hogi. In Ihrem (legitimen) Beispiel von 100 %, 30 % und 50 % müssen Sie nicht bis zu 100 % addieren, da die besuchten Länder sich nicht gegenseitig ausschließen (ein Student könnte mehr als ein Land besuchen). Und wenn Sie nach so etwas suchen … könnte es ein Kandidat für die „JMP-Wunschliste“ sein?
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer Antwortspalten
@MRB3855 schrieb:
@hogi sagte:
„Wie viel Prozent der Studenten haben Italien besucht?“
...
Wirklich? Ich weiß nicht …
... Ich dachte gerade an die Frage des Klassenlehrers:
„Wer war dieses Jahr in Italien? Wow, alle! Und Frankreich? 30 % der Klasse …“
Nehmen wir an, die Klasse besteht aus 10 Schülern.
alle haben Italien besucht: 100 %.
3 von ihnen besuchten Frankreich: 30 %
5 von ihnen besuchten Brasilien: 50 %
insgesamt (nur die 3 Zahlen betrachtend): „180%“
Ich stimme zu, das ist definitiv nicht der Weg, man rechnet mit Prozentsätzen:)
Mir ist fast das Hirn explodiert – aber man wird mir wohl zustimmen: die 100%, 30% und 50% sind „sinnvoll“.
Die einzigen 2 Dinge.
- sie ergeben nicht 100 %
- sie können nicht über „Beschriftung nach Prozent der Gesamtwerte“ *) und ähnliche Ansätze in JMP berechnet werden.
*) wäre vielleicht toll, etwas wie „Beschriftung nach Prozent aller Zeilen“ zu haben (wie in allen Diagrammen ohne Mehrfachantworten)
daher würde ich den Vorschlag von @gnu23 unterstützen, eine zweite/alternative Option für die Berechnung nach Zeilen statt nach „Antworten“ bereitzustellen …
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenHallo @hogi @gnu23 Tolles Gespräch! Ein paar Kommentare haben mich besonders beeindruckt.
@hogi sagte:
(1)
„Wie viel Prozent der Studenten haben Italien besucht?“
wird eher gefragt als:
„Wenn man alle Fälle berücksichtigt, in denen einer der Studenten ein Land besucht hat, wie oft war das Italien?“
Wirklich? Ich weiß nicht … was interessiert mich mehr, wenn ich Tourismusminister in Land A wäre?
Ich denke, es hängt davon ab, woran Sie interessiert sind, wer Ihr Publikum ist usw.
Und:
(2)
”Ich akzeptiere, dass Verhältnisse wie„Wie viel Prozent der Studierenden besuchten …?“müssen nicht 100 % ergeben.“
Wirklich? OK, ich spiele mit; helft mir dabei. D. h., was genau muss nicht 100 % ergeben? Sicherlich haben einige Personen kein Land besucht (oder nicht geantwortet). Die Summe der Anteile aller Länder wird also nicht 100 % ergeben … Sie müssen den Fall für den Anteil der Personen hinzufügen, die kein Land besucht haben (oder nicht geantwortet haben). Dann summieren sich alle Anteile auf 1. Ist das so etwas, was Sie meinen?
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenIch stimme zu, Anwendungsfälle, in denen EINE Zeile 1 zählt, scheinen ziemlich offensichtlich zu sein - selbst für Einträge mit mehreren Antworten:)
„Wie viel Prozent der Studenten haben Italien besucht?“
wird eher gefragt als:
„Wenn man alle Fälle berücksichtigt, in denen einer der Studenten ein Land besucht hat, wie oft war das Italien?“
Ich muss zugeben, dass ich auf das „100 %“-Argument hereingefallen bin, aber nach einer Mittagsdiskussion zu diesem Thema akzeptiere ich, dass Verhältnisse wie „Welcher Prozentsatz der Studenten hat … besucht?“ nicht unbedingt 100 % ergeben müssen. Wie berechnet man die Werte?
Das seltsame Verhalten beim Zählen der Antworten wird noch seltsamer, wenn mehrere Histogramme in einem Diagramm kombiniert werden:
Graph Builder: Mehrfachantwort + Mehrfachhistogramme
Nehmen wir an, eine Schule wertet die Sportaktivitäten über Jmp aus. Wenn eine Schülerin genügend Zeit zum Reisen hat, kann sie schummeln und die Punktzahl für ihre Sportaktivität um ein Vielfaches steigern! Beobachten Sie, wie LOUISE um die Welt reist - und die Auswirkungen auf die Statistik von „Basketball“:
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>
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenHallo @MRB3855 ,
danke für die schnelle Antwort. Mir ist bewusst, dass eine Division durch die Anzahl der Zeilen dazu führen würde, dass die Summe der Prozentsätze nicht 100 % ergibt, was meiner Meinung nach ziemlich logisch ist, wenn Sie mit Spalten arbeiten, die „mehrere Antworten“ haben. Die Verwendung einer einzigen nominalen Antwort wäre in diesem Fall eine Option, reduziert aber auch die Funktionalität.
Was ich in der Grafik darstellen möchte, ist eine Art „Popularität“ eines Landes, oder anders ausgedrückt: Wenn ich eine zufällig ausgewählte Person nehme, wie hoch ist die Wahrscheinlichkeit, dass sie schon einmal im Land x war?
Ein schwerwiegenderes Beispiel für diese Art von seltsamen Statistiken wäre ein Datensatz von z. B. 12 Personen, von denen nur eine in zwei Ländern war, während alle anderen in keinem Land waren. Ein Diagramm wie oben würde 50 % für beide Länder anzeigen (1/2 Antworten) statt 1/12 für beide Länder (was meiner Meinung nach Sinn ergeben würde). Die Verwendung von „Fehlende einschließen“ behebt dies nicht, da die fehlenden Werte als zusätzliche Antworten hinzugefügt werden, aber trotzdem Antworten statt Zeilen gezählt werden, was einen (meiner Meinung nach) falschen Prozentwert ergibt, solange es mindestens eine Zeile mit mehr als einer einzigen Antwort gibt.
Ich denke, die Diskussion läuft auf die Frage hinaus, ob Statistiken zu Spalten mit Mehrfachantworten generell entweder die Anzahl der Antworten (derzeit Standard in JMP) oder die Anzahl der Zeilen als „n“ verwenden sollten. Meiner Meinung nach wäre die zweite Option für viele Anwendungsfälle sinnvoller, und eine Option zum Umschalten zwischen diesen beiden Werten für „n“ würde die (bereits sehr schöne) Funktionalität von Spalten mit Mehrfachantworten verbessern.
Betreff: Graph Builder: Unklare Statistiken bei Verwendung mehrerer AntwortspaltenHallo @gnu23 : Die von Ihnen vorgeschlagene Methode (Division durch 12, die Anzahl der Personen) würde die Summe = 100*(5/12 + 6/12) = 91,67 % ergeben, was weniger als 100 % ist. Die Division durch die Anzahl der Antworten (11) ergibt wie vorgesehen eine Summe von 100*(5/11 + 6/11) = 100 %. Sie könnten „Fehlende Kategorien einschließen“ (5/16) aus dem roten Pulldown-Dreieck des Graph Builders auswählen, um eine vollständigere Ansicht der Daten zu erhalten. Oder wenn Sie die Anzahl der Personen als „n“ verwenden möchten, müssen Sie möglicherweise die besuchten Länder in eine einzelne nominale Antwort ändern und „Keine Antwort“ (für besuchte Länder) oder etwas anderes für Nicht-Antwortende eingeben (oder, wie oben, die Option „Fehlende Kategorien einschließen“ verwenden).
Es hängt also davon ab, was Sie in Ihrem Diagramm darstellen möchten. Konzentrieren Sie sich auf Besuche in einem Land (wie dargestellt) oder auf die Reisegeschichte einzelner Personen?
