몇 주 전에, 업적 섹션 뉴욕 타임즈 지난 25 년간의 미국 재무부 (US Treasury) 수익률 곡선 데이터의 "영광스러운"대화식 3 차원 그래프를 작성하여 " 경제적 미래를 예측하는 차트의 3 차원보기 : 수확 곡선 . "
이 그래프는 어느 수준에서 매우 매력적이며 재미있는 기능을 강조하기 위해 제대로 된 애니메이션 플라이 오버가 제공됩니다. 의 논평 흐르는 데이터 과 데이터 시각화 대부분 긍정적이다. 그러나 저는 우리의 마음 속에서 정확하게 값을 변환하고, 표면에 대해 모호한 정보가 누락 될 위험이 있으므로 필요한 3 차원 뷰를 항상 의심합니다. 이 그래프는 독립형 데이터 표현이 아닌 관심있는 조각에 대한 드릴 다운에 대한 배경으로 더 많이 작용합니다. 컨텍스트로 가치를 부가한다고 생각하지만, 고려해야 할 복잡성 비용도 있으며, 다른 관점을 탐구 할 가치가 있습니다.
이 경우 데이터를 가져 오는 것이 매우 쉽습니다. 그만큼 미 재무부 HTML 테이블에 데이터를 제공하고 HTML 가져 오기 기능 JMP 그것을 데이터 테이블에 멋지게 가져옵니다. 웹 페이지에는 100 개가 넘는 HTML
요소가 있지만 JMP는 데이터가 포함 된 요소를 올바르게 식별합니다 (다른 요소는 페이지 레이아웃에 사용됩니다). 유일한 결점은 날짜 값이 두 자리 연도를 사용한다는 것입니다. 다행스럽게도 JMP는 2 자리 연도를 해석하는 방법에 대한 선호도가 있으며 "90"을 "1990"로 처리하도록 설정 한 후 날짜가 올바르게 입력됩니다.먼저 비교를 위해 JMP에서 3 차원 표면 뷰를 시도해 보겠습니다. 원본이 여러면에서 아름답게 보이지만, 표면 그래프에 이상하다고 생각하는 기능 중 하나는 대출 기간 길이를 범주별로 처리하는 방식입니다. 즉, 1 개월 및 3 개월 요율의 간격은 20 년 및 30 년 요율과 동일합니다. 나는 이윤 곡선이 두 가지 방법으로 그려지는 것을 보았습니다. 커브가 종종 상승, 반전 또는 거꾸로 된 세 가지 상태 중 하나로 단순화되기 때문에 보통 너무 중요하지 않습니다. 그러나 "미래를 예측하는"이라는 그래프 제목의 문맥을 감안할 때, 길이라는 용어를 연속적인 가치로 보는 것이 타당합니다 (즉, 우리가 예측하는 미래의 길이).다음은 JMP의 표면 플롯입니다. 나는 조명과 부드러움을 가지고 놀 수 있었지만, 길이 길이를 연속적으로 표현한 효과를 느낄 수있었습니다.원래 작품의 콜 아웃은 가능한 세 개의 2D 프로파일에 초점을 맞 춥니 다. 각 날짜 (노란색에서 빨간색)에 대해 별도의 곡선을 사용하여 기간 길이와 용어 길이를 비교하면 매우 유익하지는 않지만 매력적인보기가 제공됩니다.채색을하면 시간이 지남에 따라 떨어지는 추세를 느낄 수 있습니다. 아마 몇 년 동안 관심이 집중되고 라벨이 붙어 있다면 이것이 배경이 될 수 있습니다.여기에는 40 일 중 1 회만 표시되는 같은보기가 있습니다. 적어도, 우리는 이전에는 모호한 예전의 낮은 금리에 대해 이해할 수 있습니다.큐브를 조각내는 또 다른 방법은 시간에 따른 각 용어 길이의 비율을 보는 것입니다. 지난 2 년 동안 2 년 동안 단기 및 장기 요율을 나타내는 두 기간의 그래프는보다 명확한 시각을 제공합니다.나에게이 2-D보기는 3-D보기의 컨텍스트 내에서 동일한 2-D 프로필보다 명확합니다. 장기 금리가 꾸준히 하락하는 추세와 단기 금리가 장기 금리보다 높은 금리를 보는 것이 더 쉽습니다. 내가 좋아하는 격언의 또 다른 실시 예는 "Less is more"입니다.마지막으로 날짜 길이와 기간 길이의 히트 맵을 재현하고 이자율을 색상으로 사용합니다. 2000 년대 중반의 30 년 누락 률에 대한 절개는 JMP 11의 윤곽 플롯에 추가 된 "알파 선체"기능을 잘 적용한 것입니다.나는 일반적으로 3-D 데이터에 대한 히트 맵을 좋아하지만 이것은 유익하지 않은 것 같습니다. 어쩌면 용어 길이 값의 비율 또는 불규칙한 간격의 변화량 일 수도 있지만,이 관점에서 데이터에 대한 올바른 이해를 얻는 것이 어렵습니다. 나는 핵심 이슈는 이자율이 너무 혼자서 (반드시 부정확하게) 표현 되기에는 너무 중요하다는 것입니다.이와 같은 그래프를 재구성 할 때 얻을 수있는 한 가지 이점은 디자이너가 게시 된보기를 만들 때 고려해야하는 여러 가지 결정을 발견 한 것입니다. 이 데이터에 대한 몇 가지 실질적인 결정 :연속적 또는 범주 적 용어 길이.적절한 수준의 평활화. 역사상 모든 값을 표시하는 데 너무 많은 일이 있었기 때문에.데이터의 갭을 처리합니다.많은 흥미로운 데이터 기능 중 어떤 것이 콜 아웃을 할 수 있는지 결정합니다.내 작품을 JMP 스크립트로 저장했습니다 ( JMP 사용자 커뮤니티 ), 실험을위한 새로운 데이터 또는 새로운 평활화 매개 변수를 사용하여 쉽게 다시 할 수있었습니다. 대화식 데이터 탐색에서 재현 가능한 스크립트를 만드는 데는 약간의 노력이 필요하지만 보람있는 방법을 찾고 있습니다.
