Generador de gráficos: estadísticas poco claras al utilizar múltiples columnas de respuestaHola a todos,
Tengo un problema con las estadísticas y los gráficos de barras que utilizan columnas de respuesta múltiples. Como ejemplo, utilizaré la tabla de datos Big Class Families y estoy usando JMP18.
Quiero representar gráficamente la fracción de personas que han visitado países específicos. Para simplificar, limité 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 gráfico de barras muestran valores de 9,1 y 18 % para los recuentos de 1 y 2, respectivamente. Yo 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 de la respectiva edad (12) como valor base. 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 representar gráficamente los valores como pretendo (porcentaje relativo 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 respuesta¿Tal vez con un estudio de investigación del consumidor o de respuesta categórica?
https://community.jmp.com/t5/Discussions/Question- related-to-multiple-response-variable-how-to-generate/mp/766131/highlight/true#M94610
Open( "$SAMPLE_DATA/Big Class Families.jmp" );
Categorical(
Count Missing Responses( 1 ),
Multiple Delimited( :countries visited )
);
Los estudiantes que viajan mucho cuentan N veces, ¡incluso en el denominador!
→ arreglado
¡Los estudiantes que no viajan no cuentan!
→ fixed via Count Missing Responses( 1 )
y - ¡tachán! - [las estadísticas en la parte inferior]:
Open( "$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 )
)
)
);
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaSi otros usuarios están interesados en las estadísticas "alternativas" (Ntotal = Nfilas), aquí está el deseo:
Generador de gráficos: opción para "estadísticas por fila", no por respuesta
El aprendizaje más importante es que Graph Builder cambia por completo su forma de calcular estadísticas una vez que se utiliza 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 respuestaDe hecho, @hogi : Y para completar la idea y dejarlo bien claro... 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 al mismo tiempo). Por lo tanto, definidos de esa manera, esos países son mutuamente excluyentes. Y en ese caso, combinado con el caso que incluye a los estudiantes que no visitaron ningún país, entonces también es colectivamente exhaustivo. Entonces, sumarán el 100% (mediante el recuento de respuestas, como es el método actual).
Tal como estabas...
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuesta
@MRB3855 escribió:
Un estudiante podría visitar más de un país.
Sí, creo que esta es la idea básica de la "respuesta múltiple".:)
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaHola @hogi No es necesario sumar el 100 % en tu ejemplo (legítimo) de 100 %, 30 % y 50 % porque los países visitados no son mutuamente excluyentes (un estudiante podría visitar más de un país). Y si ese es el tipo de cosas que buscas… ¿puede ser un candidato para la “Lista de deseos de JMP”?
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuesta
@MRB3855 escribió:
@hogi dijo:
"¿Qué porcentaje de los estudiantes visitó Italia?"
...
¿En serio? No lo sé…
... Acabo de pensar en la profesora de la clase preguntando:
"¿Quién visitó Italia este año? ¡Vaya, 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 no es así, 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 el 100%
- no se pueden calcular a través de "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 para calcular por filas en lugar de "respuestas"...
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaHola @hogi @gnu23 ¡Gran conversación! Un par de comentarios me llamaron la atención en particular.
@hogi dijo:
(1)
"¿Qué porcentaje de los estudiantes visitó Italia?"
Es más probable que se pregunte que:
"Tomando en cuenta todos los casos en los que alguno de los estudiantes visitó algún país, ¿con qué frecuencia fue Italia?"
¿En serio? No sé… Si fuera ministro de turismo en el país A, ¿qué me interesaría más?
Creo que depende de lo que te interese, quién sea tu audiencia, etc.
Y:
(2)
”Aceptaré que proporciones como"¿Qué porcentaje de los estudiantes visitaron...?"no es necesario sumar el 100%.”
¿En serio? Vale, jugaré; ayúdenme con eso. Es decir, ¿qué es exactamente lo que no necesita sumar el 100%? Sin duda, algunas personas no visitaron ningún país (o no respondieron). Por lo tanto, la suma de las proporciones de todos los países no sumará el 100%... tendrá que sumar el caso de la proporción de personas que no visitaron ningún país (o no respondieron). Entonces, todas las proporciones suman 1. ¿Es ese tipo de cosas lo que quiere decir?
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaEstoy de acuerdo, los casos de uso donde UNA fila cuenta 1 parecen ser bastante obvios, incluso para entradas con múltiples respuestas.:)
"¿Qué porcentaje de los estudiantes visitó Italia?"
Es más probable que se pregunte que:
"Tomando en cuenta todos los casos en los que alguno de los estudiantes visitó algún país, ¿con qué frecuencia fue Italia?"
Debo admitir que me sentí atrapado por el argumento del "100%", pero después de una discusión sobre el tema durante el almuerzo, aceptaré que proporciones como "¿Qué porcentaje de los estudiantes visitaron ...?" no necesitan sumar 100%. ¿Cómo calcular los valores?
El extraño comportamiento del conteo de respuestas se vuelve aún más extraño cuando se combinan múltiples histogramas en un gráfico:
Generador de gráficos: respuestas múltiples + histogramas múltiples
Supongamos que una escuela evalúa las actividades deportivas a través de Jmp. Si un estudiante tiene tiempo suficiente para viajar, puede hacer trampa y aumentar las puntuaciones de su actividad deportiva en órdenes de magnitud. Vea a LOUISE viajar por el mundo y el efecto en las estadísticas de "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 respuestaHola @MRB3855 ,
Gracias por la rápida 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 que es bastante lógico en mi opinión si se trata de columnas que tienen "múltiples respuestas". Utilizar una única respuesta nominal sería una opción en este caso, pero también reduce la funcionalidad.
Lo que quiero esquematizar en la gráfica 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 solo una ha estado en dos países, mientras que el resto no ha estado en ningún país. Un gráfico como el anterior mostraría un 50 % para ambos países (1/2 respuestas), en lugar de 1/12 para ambos países (lo que tendría sentido en mi opinión). El uso de "Incluir valores faltantes" no solucionará esto, ya que agregará los valores faltantes como respuestas adicionales, pero seguirá contando las respuestas en lugar de las filas, lo que arrojará un valor porcentual incorrecto (en mi opinión) siempre que haya al menos una fila con más de una respuesta.
Creo que el debate se reduce a la pregunta de si las estadísticas sobre columnas de respuestas múltiples deberían utilizar, en general, la cantidad de respuestas (que ahora es estándar en JMP) o la cantidad 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 funcionalidad (que ya es muy buena) de las columnas de respuestas múltiples.
Re: Graph Builder: Estadísticas poco claras al utilizar múltiples columnas de respuestaHola @gnu23 : La forma en que sugieres (dividir por 12, la cantidad de personas) daría como resultado la suma = 100*(5/12 + 6/12) = 91,67 %, que es menos del 100 %. Dividir por la cantidad de respuestas (11) da como resultado un total de 100*(5/11 + 6/11) = 100 %, como debería ser. Puedes 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 quieres usar la cantidad de personas como tu "n", es posible que tengas que cambiar los países visitados a una única respuesta nominal y poner "Sin respuesta" (para los condados visitados) o algo así para los que no responden (o, como se indicó anteriormente, usar la opción "Incluir categorías faltantes" ).
Entonces... depende de lo que intentes mostrar en tu gráfico. ¿Te centras en las visitas a un condado (como se muestra) o en el historial de viajes de las personas?
