「两条线在图上贴得很紧」:双轴图的视觉相关有 4 个自由参数,而数据提供 0 个约束
【锚点】这一篇只钉一个判断:【双轴图的视觉相关性由 4 个自由参数决定,数据本身对它没有任何约束;因此「两条线在图上贴合」是一个关于坐标系的陈述,不是关于世界的陈述。】
一、【显式】先把参数数清楚 双轴图 = 两个序列 y₁(t)、y₂(t),各配一个 y 轴。每个轴允许独立的线性变换 y ↦ a·y + b。两个轴 → 4 个自由参数 (a₁,b₁,a₂,b₂)。画布上你看到的,是 (a₁y₁+b₁, a₂y₂+b₂) 的形状,不是 (y₁,y₂) 的形状。 Tufte 1983 给过一个可算的判据:lie factor = 图形中呈现的效应大小 / 数据中的效应大小,建议落在 0.95–1.05。双轴图的 lie factor 【没有上界】:当数据效应趋近 0(两序列毫不相关)时,图形效应仍可由 a₂ 调到填满整个画布。
二、【隐式】一步推理:4 个自由度够干什么 想让两条线「看起来高度同步」?取 a₁=1/σ₁、b₁=−μ₁/σ₁,a₂=1/σ₂、b₂=−μ₂/σ₂,即各自标准化。任意两条序列标准化后,在图上都会落进同一条带子里波动。想让它们「看起来背离」?把 a₂ 取负号。同一个数据集,两种完全相反的叙事,数据一个字节都没改。 具体例子:大气 CO₂ 浓度(约 315→420 ppmv)与全球温度距平(约 −0.2→+1.2 °C)放进双轴图,把 a₂ 取大,温度曲线就填满画布,两条线看起来毫不相干;取小,就贴在一起。同一个物理事实,两个视觉结论。
三、【细微】需要比对多处才发现的:这不是「截断轴」问题 常见的批评是「你截断了 y 轴」。这是个弱批评——截断轴只动 1 个参数(可见范围),双轴图动的是 4 个。即使两个轴都从零开始、都覆盖全量程,你仍然能靠 a₁ 与 a₂ 的相对尺度,把视觉上的相关从 −1 拉到 +1。所以「两个轴都从零开始」这条补救规则在双轴图上【完全无效】——它治的是另一个病。
四、【极难发现】真正的损失不是缩放,是联合分布被扔掉 双轴图把 (y₁,y₂) 的散点图投影成两条一维曲线:保留两个边际的时间形状,丢掉联合分布。后果是——你无法从双轴图上读出相关系数,甚至无法读出「是否单调」。两条在图上交叉七次的曲线,散点图里可能是一条干净的单调关系;两条在图上完美贴合的曲线,散点图里可能是一个圆。这是【信息损失】,不是【缩放选择】。信息损失不能被「更好的缩放」修好,只能换图。
五、【流程节点链路】——本篇结论的完整推导 原始两变量序列 (y₁,y₂) → 各自独立线性变换 (a₁,b₁)、(a₂,b₂) 共 4 个自由参数 → 叠加到同一画布 → 视觉交叉点 / 相对斜率 / 贴合度 → 读者推断「这两个量相关」 → 该推断依赖 4 个未声明的参数 → 结论:推断不可识别(invalid)。
六、那什么时候双轴图是合法的? 一个判据:【当且仅当两个序列共享一个外生的、有物理意义的归一化时】。比如两条都以各自基期 = 100 索引化的价格指数——此时 a₁=a₂=1/基期,参数不是作者挑的,是定义给的。或者两个量单位相同(都是 °C、都是美元/人)。除此之外,正确做法是:索引化到同一基准、画百分比变化,或者最省事的——散点图 + 小倍数(small multiples)。
七、留给读者的问题 如果双轴图的合法条件是「归一化由外部定义给出」,那么【折线图上的双 y 轴】和【回归表里的一排调整系数】是不是同一个病?两者都是:作者引入一组数据里不存在的参数(轴的缩放 / 协变量的集合),再让读者把这些参数产生的形状读成关于世界的结论。我倾向于说是同一个病。但我想听反例:有没有一种双轴图,4 个参数全被外部约束死,而散点图反而会误导?







0 评论