Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaCiao a tutti,
Ho un problema con le statistiche/grafici a barre che utilizzano colonne di risposta multiple. Come esempio, userò la tabella dati Big Class Families e sto usando 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 del 9,1 e del 18% per conteggi di 1 e 2, rispettivamente. Mi aspetterei (correggetemi 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 valore di base. Per qualche motivo, JMP sembra usare il numero di risposte come valore di base per il calcolo della percentuale (che è 11 in questo caso, quindi 1/11 ~ 9,1% e 2/11 ~ 18%)
È previsto che il numero di risposte venga utilizzato come valore di base per tale calcolo con colonne Multiple Response anziché il numero di righe rispettive? Qual è la migliore prassi per tracciare i valori come intendo (percentuale rispetto al numero di righe come etichette)?
Analisi e modellazione dei dati di baseEsplorazione e visualizzazione dei datiRe: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaforse 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( "$SAMPLE_DATA/Big Class Families.jmp" );
Categorical(
Count Missing Responses( 1 ),
Multiple Delimited( :countries visited )
);
Gli studenti che viaggiano molto contano N volte, anche al denominatore!
→ fisso
gli studenti che non viaggiano non contano!
→ fixed via Count Missing Responses( 1 )
e - tada! - [le statistiche in basso]:
Open( "$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 )
)
)
);
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaSe altri utenti sono interessati alle statistiche "alternative" (Ntotal = Nrows), ecco il desiderio:
Graph Builder: Opzione per "statistiche per riga" - non per risposta
La cosa più importante da imparare è che Graph Builder 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:
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaIn effetti @hogi : E per completare il pensiero, e per stroncarlo completamente... uno studente, tuttavia, non può visitare più di un paese alla volta (ad esempio, uno studente non può essere in Italia e in Germania allo stesso tempo). Quindi, definiti in questo modo, quei paesi sono reciprocamente esclusivi. E in quel caso, combinato con il caso che include studenti che non hanno visitato alcun paese, allora è anche collettivamente esaustivo. Quindi, questi sommano al 100% (tramite il conteggio delle risposte come è il metodo attuale).
Come eri...
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di risposta
@MRB3855 ha scritto:
uno studente potrebbe visitare più di un paese
Sì, penso che questa sia l'idea di base della "risposta multipla":)
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaCiao @hogi Non c'è bisogno di aggiungere fino al 100% nel tuo (legittimo) esempio di 100%, 30% e 50% perché i paesi visitati non si escludono a vicenda (uno studente potrebbe visitare più di un paese). E se è questo il genere di cose che stai cercando... potrebbe essere un candidato per la "Lista dei desideri JMP"?
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di risposta
@MRB3855 ha scritto:
@hogi ha detto:
"Quale percentuale di studenti ha visitato l'Italia?"
...
Davvero? Non lo so…
... Ho appena 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 la classe sia composta da 10 studenti.
tutti hanno visitato l'Italia: 100%.
3 di loro hanno visitato la Francia: 30%
5 di loro hanno visitato il Brasile: 50%
in totale (guardando solo i 3 numeri): "180%"
Sono d'accordo, non è assolutamente 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.
- non raggiungono il 100%
- non possono essere calcolati tramite "Etichetta in base alla percentuale dei valori totali" *) e approcci simili in JMP.
*) potrebbe essere utile avere qualcosa come: "Etichetta in base alla percentuale di tutte le righe" (come in tutti i grafici senza risposta multipla)
quindi, supporterei il suggerimento di @gnu23 di fornire una seconda/alternativa opzione di calcolo per righe invece che per "risposte"...
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaCiao @hogi @gnu23 Ottima conversazione! Un paio di commenti mi hanno colpito in modo particolare.
@hogi ha detto:
(1)
"Quale percentuale di studenti ha visitato l'Italia?"
è più probabile che venga chiesto rispetto a:
"Considerando tutti i casi in cui gli studenti hanno visitato un paese, con quale frequenza è stata l'Italia?"
Davvero? Non lo so...se fossi ministro del turismo nel paese A, quale mi interesserebbe di più?
Penso che dipenda da cosa ti interessa, da chi è il tuo pubblico, ecc.
E:
(2)
”Accetterò che rapporti come"Quale percentuale di studenti ha visitato ...?"non è necessario che la somma sia pari al 100%."
Davvero? OK, ci gioco; aiutami con quello. Cioè, cosa esattamente non deve sommarsi al 100%? Certamente alcuni individui non hanno visitato nessun paese (o non hanno risposto). Quindi la somma delle proporzioni di tutti i paesi non sarà pari al 100%... dovrai aggiungere il caso per la proporzione di persone che non hanno visitato nessun paese (o non hanno risposto). Quindi tutte le proporzioni sommano a 1. È questo il genere di cose che intendi?
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaSono d'accordo, i casi d'uso in cui UNA riga conta 1 sembrano essere abbastanza ovvi, anche per voci con risposta multipla:)
"Quale percentuale di studenti ha visitato l'Italia?"
è più probabile che venga chiesto rispetto a:
"Considerando tutti i casi in cui gli studenti hanno visitato un paese, con quale frequenza è stata l'Italia?"
Devo ammettere che sono rimasto intrappolato nell'argomento "100%", ma dopo una discussione sull'argomento durante la pausa pranzo, accetterò che rapporti come "Quale percentuale di studenti ha visitato ...?" non devono necessariamente dare come somma il 100%. Come calcolare i valori?
Lo strano comportamento del conteggio delle risposte diventa ancora più strano quando più istogrammi vengono combinati in un grafico:
Graph Builder: risposta multipla + istogrammi multipli
Supponiamo che una scuola valuti le attività sportive tramite Jmp. Se uno studente ha abbastanza tempo per viaggiare, può barare e aumentare i punteggi per la sua attività sportiva di ordini di grandezza! Guarda LOUISE viaggiare per il mondo - e l'effetto sulle statistiche di "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>
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaCiao @MRB3855 ,
grazie per la risposta veloce. Sono consapevole che dividere per il numero di righe porterebbe la somma delle percentuali a non essere del 100%, il che è abbastanza logico secondo me se si hanno a che fare con colonne che hanno "risposte multiple". Usare una singola risposta nominale sarebbe un'opzione in questo caso, ma riduce anche la funzionalità.
Ciò che vorrei delineare nel grafico sarebbe un tipo 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 di, ad esempio, 12 persone, di cui solo una è stata in due paesi, mentre tutti gli altri non sono stati in nessun paese. Un grafico come quello sopra mostrerebbe il 50% per entrambi i paesi (risposte 1/2), invece di 1/12 per entrambi i paesi (il che avrebbe senso secondo me). L'utilizzo di "Includi mancanti" non risolverà questo problema poiché aggiungerà i valori mancanti come risposte extra, ma conterà comunque le risposte anziché le righe, producendo un valore percentuale (secondo me) sbagliato finché c'è almeno una riga con più di una singola risposta.
Penso che la discussione si riduca alla domanda se le statistiche sulle colonne a risposta multipla debbano generalmente usare il numero di risposte (standard ora in JMP) o il numero di righe come 'n'. A mio parere la seconda opzione avrebbe più senso per molti casi d'uso e un'opzione per passare da questi due valori per 'n' aumenterebbe la (già molto bella) funzionalità delle colonne a risposta multipla.
Re: Graph Builder: statistiche poco chiare quando si utilizzano più colonne di rispostaCiao @gnu23 : il modo in cui suggerisci (dividendo per 12, il numero di persone) darebbe come risultato la somma = 100*(5/12 + 6/12) = 91,67%, che è meno del 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 Graph Builder per ottenere una visione più completa dei dati. Oppure, se vuoi usare il numero di persone come "n", potresti dover modificare i paesi visitati in una singola risposta nominale e mettere "Nessuna risposta" (per le contee visitate) o qualcosa per i non rispondenti (o, come sopra, usa l'opzione "Includi categorie mancanti" ).
Quindi...dipende da cosa stai cercando di mostrare nel tuo grafico. Ti concentri sulle visite a una contea (come mostrato) o sulla cronologia dei viaggi di individui?
