j'ai vu ça tableau des emplois "vraiment saisissants" sur Twitter récemment. Pouvez-vous voir pourquoi les données ne sont pas aussi frappantes qu'il y paraît? 
Figure 1: tweet original
C'est certain regards frappant. La ligne rouge (force de travail sans diplôme) et la ligne bleue (force de travail avec un baccalauréat) allaient de pair jusqu'à la récession américaine de 2008, puis la ligne rouge allait brusquement dans la direction opposée. Il est probable qu'il y a une histoire pertinente ici, mais ce graphique ne la dit pas très exactement.
Le problème est que la ligne rouge et la ligne bleue sont à des échelles très différentes . Leurs plages absolues et leurs plages relatives sont différentes. La fourchette verticale est de 26 millions de personnes pour la ligne bleue et d'environ 12 millions de personnes pour la ligne rouge, même si celle-ci a des valeurs beaucoup plus élevées. Voici les deux séries à la même échelle : 
Figure 2: échelle simple
C'est une image plus précise, et vous pouvez toujours voir la divergence après la récession. Mais les deux groupes ne suivaient pas la même trajectoire avant la récession, après tout. L'augmentation de la ligne rouge était moins profonde et commençait déjà à se stabiliser avant la récession, et son creux n'était pas aussi spectaculaire, surtout en termes relatifs.
Visualisations alternatives
Il est rarement recommandé d’utiliser deux échelles sur un graphique, mais c’est assez courant. Il semble que nous ayons la volonté de mettre autant d'informations que possible sur un seul graphique. C'est compréhensible, car le résultat semble plus efficace, et peut-être ne remarquons-nous pas la complexité supplémentaire lorsque nous construisons le graphique variable par variable. Mais le spectateur voit tout le graphique en une fois et a un peu de travail mental à faire pour déchiffrer deux échelles différentes. L’intérêt de la visualisation des données est d’exploiter la perception non pensante que nous obtenons gratuitement de nos systèmes visuels.
Néanmoins, ces lignes sont assez éloignées l'une de l'autre, ce qui rend les comparaisons difficiles, de sorte que ce n'est pas parfait non plus. Séparer les graphiques est une alternative naturelle, mais il faudrait tout de même trouver comment rendre les échelles disparates comparables. Au lieu de cela, examinons les moyens de rendre la double balance plus précise sur le plan de la perception.
Tout d'abord, une note technique: La méthode de création d’un graphe à deux échelles dans Graph Builder en JMP est un peu en dessous de la surface car ce n’est pas une technique recommandée. Tout d’abord, ajoutez deux variables Y à l’axe de gauche, puis cliquez dessus avec le bouton droit de la souris et choisissez "Déplacer à droite" pour l’une des variables.
Une façon d'éviter une double échelle consiste à transformer les deux variables en une échelle relative, mais l'inconvénient est que vous perdez les unités d'origine. Cependant, vous pouvez obtenir cet effet sans perdre les unités en réglant chaque échelle comme si elle avait été transformée. Par exemple, supposons que nous transformions chaque variable en un pourcentage de sa valeur maximale. Cela équivaut à avoir les échelles gauche et droite allant toutes les deux de 0 à la valeur maximale des données (plus une marge). 
Figure 3: Échelles doubles de 0 à 100%
Cela semble plus vrai puisqu'ils sont sur la même échelle dans un sens (0 à 100%), mais la moitié inférieure du graphique est vide et semble gâchée (bien qu'elle serve à quelque chose). Nous pouvons étendre la logique de la figure 3 et mettre les deux axes à l'échelle de 50% du maximum à 100% du maximum. 
Figure 4: Échelles doubles à 50% - 100%
Nous pouvons maintenant voir chaque tendance dans le contexte de sa propre gamme. Cependant, les taux de changement ne sont pas comparables les uns aux autres: une distance verticale de 5 millions sur l'axe de gauche équivaut à environ 10 millions sur l'axe de droite. Si nous voulions comparer les taux de changement ou le changement vertical en général, nous devions donner la même plage aux deux échelles. 
Figure 5: Échelle double à plages égales
Nous pouvons maintenant constater que la perte en rouge est en réalité inférieure au gain en bleu après la récession, bien que la perte paraisse beaucoup plus importante dans l’original (Figure 1). Notez que dans ce mode, avec des plages égales, nous pouvons toujours déplacer chaque échelle entière verticalement et rendre le point de croisement arbitraire, ce qui est une idée effrayante. Le spectateur occasionnel pensera que le point de croisement est important, mais ce n’est pas le cas.
Une histoire complètement différente Voici un dernier graphique pour montrer à quel point les graphes à double échelle peuvent être très dangereux. 
Figure 6: Deux échelles pour une histoire personnalisée
Avec seulement quelques modifications d'échelle, nous pouvons raconter une histoire complètement différente: les lignes ont commencé ensemble, puis la ligne rouge a augmenté avant de redescendre à son niveau. Les échelles ici sont tout aussi justifiées que celles de la figure 1.
Pour plus de discussion sur la question générale, voir Axes à double échelle dans les graphiques par Stephen Few.
J'ai fait référence aux lignes par leurs couleurs en partie parce que les noms de variables sont verbeux mais aussi pour souligner le fait que les concepts sont génériques. Cependant, la pertinence de chaque technique de mise à l'échelle peut dépendre de la signification des données, par exemple de la pertinence d'un changement relatif ou absolu.
Maintenant, j'aimerais avoir de vos nouvelles: Étant donné qu’aucune vue n’est parfaite, lequel des six chiffres, selon vous, représente le mieux ces données sur les emplois?
Xan Gregg a écrit:
Difficile de ne pas être d'accord avec vous, géode. Désolé pour la confusion en cours de route. J'espère que plusieurs alternatives semi-rationalisées souligneront le fait que chacune raconte une histoire biaisée.
Problème de graphique double axe Y a écrit:
Les échelles [¦] sont une chose qui rend les graphiques à deux axes difficiles à utiliser et à lire. Pour une discussion, lisez le tableau des emplois à deux échelles déconstruit. Je peux ajuster l’échelle sur l’axe des ventes et obtenir des courbes parallèles pour le prix et le chiffre d’affaires, et dans […]
Xan Gregg a écrit:
Excellent point, EngrStudent. Je me plaignais quand les gens publiaient des graphiques sans données, et maintenant je fais la même chose! Heureusement, le commentateur Emil a déjà souligné cela et j’ai depuis mis ma table de données JMP et ses scripts de graphe intégrés dans JMP File Exchange. Voir le lien dans mon commentaire précédent. le vraiment les données brutes sont à http://research.stlouisfed.org/fred2/ .
géode a écrit:
Je ne comprends pas ça. Vous soulignez à juste titre les problèmes de perception liés à l’utilisation d’une approche à double échelle, puis vous procédez joyeusement à la création de nombreuses nouvelles façons de semer la confusion parmi tous. Il n'y a rien de fondamentalement différent entre la version originale 'vraiment frappante' et vos figures adaptées 4-6. IMHO le seul exemple à double échelle ici qui devrait jamais atteindre un public est votre Figure 3 à double échelle 0-100%.
