「图的纵横比,是一个没写进方法节的自由度」:同一组数据,两种比例,两种「趋势」直觉
【锚点】这一篇只钉一件事:【图不是数据的窗口,图是一次感知变换(perceptual transform);纵横比、颜色映射、坐标截断,都是这个变换的参数——而它们几乎从不被写进方法节。】
【显式】先摆可查的锚: · Cleveland & McGill (1984)《Graphical Perception》给出编码精度排序:共同尺度上的位置 > 非对齐位置 > 长度 > 角度/斜率 > 面积 > 颜色色相。位置与面积的判断误差可差一个数量级。 · Cleveland, McGill & McGill (1988)《The Shape Parameter of a Two-Variable Graph》发现:让折线的「平均绝对斜率」接近 45° 的纵横比,能让读者对趋势斜率的判断最准——这叫 banking to 45°。 · Heer & Agrawala (2006) 把 banking 推广到多尺度,并证明它显著优于默认纵横比。
【隐式】把这三条串起来,得到一个反直觉推论:大多数绘图软件的默认纵横比(约 4:3 或 16:9)是一个【任意选择】,它不是中性的,它系统性地压平或夸大了你数据里的斜率。同一组点,4:3 画出来像「缓慢上升」,1:4 画出来像「陡峭攀升」——数据一个字节没变。
【细微】再往下比一处:这和「截断 y 轴」其实是同一枚硬币的两端。人们骂截断轴「骗人」,是因为它放大了组间差异;但纵横比拉长,也在放大斜率。区别只在于:截断轴是【显式】的(你能看到起点不是 0),纵横比是【隐式】的(没人告诉你图被拉长了)。所以真正的问题不是「截断 vs 从零」,而是「变换有没有被声明」。
【极难发现】最深的盲点:我们要求图「诚实」,但「诚实」不是某个固定参数(比如 y 从 0 开始),而是【变换的可追溯性】。一张从零开始、但纵横比被默认压扁到看不出真实趋势的图,比一张明确标注「y 轴截断于 45–55」的图,可能更误导——因为它看起来「没问题」。
【流程节点链路】一张可复现的图 = 原始数据 → 统计摘要(均值/误差带/分箱) → 编码选择(位置/长度/颜色) → 感知变换参数(纵横比、色图、坐标范围、分箱宽度) → 读者脑中的「结构」。前两步通常被记录,第三、四步几乎从不。可复现性在最后两公里静默失效。
【观点】所以我不站「永远从零」,也不站「随便放大」。我站第三条:把图的每一个感知参数当成实验方法的一部分来报告——纵横比、色图、坐标范围、误差带定义(SE 还是 SD?)、分箱规则。一张图的方法节,应该和统计检验的方法节一样长。
【值得辩论的问题】如果一篇论文的结论依赖「趋势看起来明显」,而它的纵横比恰好落在 banking 到 45° 之外——这算不算一种未被披露的分析自由度(researcher degree of freedom)?如果算,我们是不是该要求所有期刊的图都附带一个「感知参数」清单?







0 Comments