数週間前、アップショットのセクションニューヨークタイムズ 「過去25年間の米国財務省利回り曲線データ」と題して、この「栄光の」インタラクティブな3-Dグラフを作成しました。経済の将来を予測するチャートの3Dビュー：利回り曲線 "
グラフはあるレベルでは非常に魅力的であり、いくつかの興味深い機能を強調するためのうまくできたアニメーションの立体交差が付いています。での解説流れるデータそしてデータの視覚化ほとんど前向きでした。しかし、私たちの頭の中で正確に値を変換するために必要な追加のステップ、そして表面のために、あいまいな情報を見逃す危険性のために、私は常に3Dビューに懐疑的です。このグラフは、スタンドアロンのデータ表現ではなく、関心のあるスライスへのドリルダウンの背景として機能します。私はそれが文脈として価値を付加すると思いますが、考慮するべき複雑さの費用もあります、そしてそれは他の見解を探索する価値があります。
この場合、データを取得するのはすごく簡単でした。のアメリカ財務省 HTMLテーブルのデータを提供します。 HTMLをインポートの機能 JMP それをデータテーブルにうまく取り込む。Webページには100を超えるHTML
要素がありますが、JMPはデータを含むものを正しく識別します（他の要素はページレイアウトに使用される可能性があります）。唯一の問題は、日付値に2桁の年が使用されていることです。幸い、JMPは2桁の年をどのように解釈するかを好み、「90」を「1990」として扱うように設定した後、日付は正しく入ります。まず、比較のためにJMPで3Dサーフェスビューを試します。オリジナルは多くの点で美しく見えますが、私が曲面グラフに対して不思議に思うと思った1つの特徴は、ローンの期間の長さがカテゴリー的に扱われる方法です。つまり、1か月と3か月のレートの間隔は、20年と30年のレートの間隔と同じです。私は利回り曲線が両方向に描かれているのを見ました、そして曲線はしばしば3つの状態の1つに単純化されるのでそれほど重要ではありません：上昇、レベルまたは反転。しかし、グラフのタイトルに「未来を予測する」という文脈があることを考えると、用語の長さを連続的な値として見るのが妥当と思われます（それは、私たちが予測している未来です）。これがJMPの曲面図です。照明とスムージングで遊ぶことができました、しかし、これは私達に言葉の長さの連続的な表現の効果を理解させます。オリジナル作品の吹き出しは3つの可能な2-Dプロファイルに焦点を合わせています。各日付（黄色から赤）に対して別々の曲線を使用してレートと期間の長さを比較すると、あまり有益ではない場合でも魅力的な見方ができます。彩色を使用すると、不明瞭になっている落ち込みを見逃していますが、時間の経過とともに下降傾向を感じることができます。数年間の関心が強調表示されラベル付けされている場合、おそらくこれは背景として役立つかもしれません。これは、40日ごとに1つだけ表示される同じビューです。少なくとも、以前は覆い隠されていた古い低金利を理解することができます。立方体をスライスするもう1つの方法は、各期間の長さの割合を時間の経過とともに調べることです。2-Dで過去25年間の短期および長期の金利を表す2つの期間の長さのこのグラフは、より明確な見解を与えます。私には、この2-Dビューは、3-Dビューのコンテキスト内で同じ2-Dプロファイルよりも明確です。長期金利の着実な減少傾向と、短期金利の方が長期金利より高かった場合の両方を確認する方が簡単です。 私のお気に入りの格言のもう一つの具体例、「もっと少ない」。最後に、日付と期間の長さのヒートマップを再現し、利子率を色として使用します。2000年代半ばの行方不明30年率のカットアウトは、JMP 11の等高線図に追加された「アルファハル」機能の良い応用です。私はたいてい3Dデータのヒートマップが好きですが、これはあまり有益ではないようです。たぶんそれはレートの変動の量、あるいは用語の長さの値の不規則な間隔ですが、私はこの見解からデータの意味を理解するのは難しいです。核心の問題は、金利が色だけで表現するにはあまりにも重要であるということです（必然的に不正確）。このようにグラフを作り直すことの1つの利点は、公開されたビューを作成するときにデザイナーが考慮しなければならなかった多くの決定のうちのいくつかを発見することです。このデータに関するいくつかの実質的な決定連続的な用語とカテゴリカルな用語の長さ。履歴にはすべての値を表示するには日数が多すぎたため、適切な平滑化レベル。データのギャップを処理する多くの興味深いデータ機能のうちどれがコールアウトに値するかを決めること。私は自分の作品をJMPスクリプトとして保存しました（ JMPユーザーコミュニティ例えば、実験用の新しいデータや新しい平滑化パラメータを使用して簡単にやり直すことができます。 対話型のデータ探索から再現可能なスクリプトを作成するにはもう少し手間がかかりますが、そのやり方はやりがいのあるものだと思います。
