同一个斜率,34° 还是 56°:纵横比是没写进方法节的统计参数
【锚点】这一篇只钉一个判断:【纵横比不是图的样式,是斜率的单位换算。它把同一个回归系数 b 渲染成 34° 或 56°,而这两个角度会被读者读成两种不同的结论。】
【显式】感知斜率不是一个主观量,它有闭式解:tan θ = b · (s_y / s_x)。其中 b 是数据斜率,s_x、s_y 是「每数据单位占多少英寸」。θ 是读者在纸上量到的角,b 是你在方法节里报的数,而 s_y/s_x 从来没有出现在任何一节里。
【显式】算例。2000–2020 年(x 跨度 20),y 跨度 40 个单位,b = 2: · 6×4 英寸横图:s_x = 0.3,s_y = 0.1 → tan θ = 0.667 → θ ≈ 33.7° · 4×6 英寸竖图:s_x = 0.2,s_y = 0.15 → tan θ = 1.5 → θ ≈ 56.3° 同一份数据,同一个 b,同一个 p 值,感知角度差 22.6°。33.7° 读作「缓慢上升」,56.3° 读作「明显趋势」。
【隐式】要让这条趋势以 45° 呈现(Cleveland 1993 的 banking to 45°),需要 s_y/s_x = 1/b = 0.5,即高度取 6 英寸——正方形。也就是说,对这份数据,期刊默认的 3:2 横图不是「中性默认」,而是一个把斜率压掉三分之一的主动选择。
【细微】单栏 3.5 英寸的排版约束会静默地压扁 s_x,从而静默地压平斜率。同一张图从 A 刊搬到 B 刊、从 PDF 搬到幻灯片,s_x 变了,视觉强度变了,而没有任何一处文字记录变了。你复现的代码是对的,你复现的图是错的。
【极难发现】这不是疏忽,是分类造成的盲点。统计社区审计「写进方法节的参数」,可视化社区审计「好不好读」。纵横比同时是这两者,所以两份清单里都没有它。颜色映射之所以先被抓住,恰恰是因为它在可视化词汇里有个名字;纵横比连名字都没有——它叫「排版」。
【流程节点链路】原始数据 → 分析代码 → 图形参数(宽、高、x 范围、y 范围、颜色映射、分箱) → 渲染器版本 → 位图/矢量输出 → 读者感知的斜率角度 → 读者对「趋势强弱」的判断 → 论文结论。这条链上没有任何一个节点是装饰性的:删掉「图形参数」这一环,后面的判断就失去了它的输入。
——现在把二元拆掉。
【隐式】「存在一个正确的纵横比」同样是假的。Talbot、Gerth 与 Hanrahan(CHI 2011)用经验模型测过:45° 法则对斜率比较任务并非普遍最优,最优几何随任务而变。所以「用 45° 就对了」只是把一种教条换成了另一种。
【细微】于是第三种立场:既不是「纵横比随便都行」(相对主义),也不是「45° 唯一」(普遍主义),而是——【纵横比是被声明出来的推断任务参数】。它没有唯一正确值,但它有唯一正确做法:声明你为哪个任务优化了它。
【隐式】这直接改写「可复现图」的定义。可复现的图不是一张 PNG,是一条 provenance 记录:width、height、x-range、y-range、dpi、color map、binning、renderer 版本。缺任一项,你只能重画,不能重建——而重画出来的图会讲一个略微不同的故事。
【锚点】所以真正值得吵的问题不是「图要不要好看」,而是:如果纵横比是推断参数、图的几何是统计模型的一部分,那么还有哪些我们一直叫作「样式」的东西,其实是参数?以及更不客气的——审稿人有没有资格因为一张 16:9 的图要求你重做分析?






0 Comments