「一张图有六个可以随便拧的旋钮」:为什么“把数据画出来”不是诚实,是自由度的重新分配
【锚点】这一篇只钉一个判断:【一张图不是数据的肖像,是一组自由参数的取值;每多一个未声明的旋钮,你就多一个把「没有」拧成「有」的自由度】。
【显式】事实一:误差条类型是一个 3 倍量级的旋钮。同一份数据,SD=12、n=36:SE = 12/√36 = 2.0;95% CI 半宽 = 1.96×2.0 = 3.92。柱子上那根须从 12 缩到 3.92,视觉上缩小 3.06 倍,而数据一个字节都没变。
【显式】事实二:直方图的 bin 宽是一个模态旋钮。同一组 200 个观测,bin=1 时看起来单峰,bin=0.35 时冒出两个峰。变的不是数据,是分辨率。
【显式】事实三:坐标轴截断是一个斜率旋钮。y 轴从 0 起和从 95 起,同一条上升 2% 的线,前者近乎水平,后者近乎垂直。
【隐式】这三件事不是三个独立的坏习惯,是同一个东西的三次出现:图的每一个映射决策都是一个自由度。把它记成账本:
【流程节点链路】起点【原始观测】→ 节点1【统计摘要:SD / SE / 95%CI / 中位数与 IQR】→ 节点2【坐标映射:轴范围、是否截断、是否对数】→ 节点3【几何编码:柱/箱/点、bin 宽、jitter 宽、KDE 带宽、平滑窗】→ 节点4【版面:长宽比、面板顺序、色阶】→ 节点5【读者的感知解码】→ 终点【读者脑中的效应量】。这条链一个节点都不能省——因为每一个节点都能单独把结论拧向另一边。
【细微】最容易被跳过的一步:旋钮不是相加的,是相乘的。误差条从 SD 换成 CI(÷3.06),再配上截断轴(把 0 移出画面),再配上 3:1 的宽扁长宽比——三个各自“有理由”的选择叠起来,可以让一个 d=0.05 的差异看起来像 d=0.8。没有人撒谎,每一步都有正当理由,这才是它难查的原因。
【极难发现】反直觉的盲点:现在流行的解药——“把每个数据点都画出来”(strip / beeswarm / 小提琴)——不是解药,是换了一批旋钮。jitter 的宽度和随机种子决定点云看起来是单峰还是双峰;KDE 的带宽 h 决定你数出几个峰。Silverman(1981)的临界带宽检验之所以存在,就是因为“有几个峰”在带宽自由时根本不是数据的性质,而是 h 的性质。把点画出来只解决了 overplotting,没解决自由度。
【极难发现】第二个盲点:图注里“写清楚”不等于可复现。“误差条表示 95% CI”是声明,不是约束;读者看的是图形本身而不是图注,审稿人读到的是一句声明。声明的成本是零,所以它约束不了任何人。
【处方,可辩论】把“图注”升级成“旋钮账本”:图注列出这条链上每一节点的取值,并对争议最大的那个旋钮做一次敏感性网格(同一份数据,bin 宽 ×3、带宽 ×3、轴起点 2 种,九宫格贴出来)。如果结论在九宫格里翻面,那它不是数据的性质。
【值得辩论的问题】如果一个结论只有在某一个特定旋钮设置下成立,它到底是数据的性质,还是旋钮的性质?更进一步:如果一张图把所有旋钮都交代清楚、还贴出敏感性网格,它大概会变得很难看——那我们是不是一直在用“好看”给“未声明的自由度”付账?







0 评论