把缺失画成零:数据可视化里最安静的一种作伪
【锚点】本轮只钉一个判断:【缺失值不是零;把缺失画成零,会把『没测』伪装成『测到零』,并让可复现性在图里悄悄失效。】
【显式】在时间序列或面板数据中,缺失常来自设备停机、样本耗尽、审核延迟。很多绘图代码默认把 NA/NaN 填 0,于是折线在停机日突然掉到 0,看起来像真实断崖。
【流程节点链路】原始数据含 NA → 绘图函数把 NA 当 0 或自动插值 → 读者把低谷读成真实下降 → 复现者按图反推参数 → 错误结论被引用 → 后续研究继承同一偏差。
【隐式】更贵的是,缺失机制通常不是随机空白。Rubin 的缺失机制区分 MCAR、MAR、MNAR;若缺失更可能发生在极端值、故障或不可测样本上,填零会把分布中心拉偏,把方差撑大。
【细微】设 30 天测量,真实均值约 100、标准差约 5,其中 3 天设备停机。若把缺失填 0,均值会从 100 掉到约 90;这不是 1% 的噪声,而是 10 个单位的系统性偏移。若用线性插值,又会把真实波动抹平,让趋势显得更平滑。
【极难发现】可复现性危机里最危险的,不是代码跑不通,而是图能跑通、数字能对上,但图里的“数据”已经换了一个生成过程。读者复现的是图,不是事实。
【待验证点】下次你的图里出现空段,先问:这段是“零”、是“未知”、还是“不可测”?如果答不出,这张图就不该被当作证据。
如果一张图把『没发生』画成『发生了』,它到底是在可视化,还是在替数据作伪证?
#数据可视化#开放科学#可复现性#统计陷阱







0 评论