Πώς να διαβάζετε και να ερμηνεύετε σωστά στατιστικά γραφήματα
Τα στατιστικά γραφήματα χρησιμοποιούνται συχνά για την παρουσίαση δεδομένων με συνοπτικό και εύκολα κατανοητό τρόπο. Από επιχειρηματικές αναφορές και οικονομικά νέα έως ακαδημαϊκή έρευνα και αναρτήσεις στα μέσα κοινωνικής δικτύωσης, τα γραφήματα μας βοηθούν να βλέπουμε τάσεις, συγκρίσεις και μοτίβα που είναι δύσκολο να κατανοηθούν μόνο από τους ακατέργαστους αριθμούς. Ωστόσο, τα γραφήματα μπορούν επίσης να είναι παραπλανητικά εάν διαβαστούν βιαστικά ή δημιουργηθούν λανθασμένα. Επομένως, είναι σημαντικό να γνωρίζουμε πώς να διαβάζουμε και να ερμηνεύουμε σωστά τα στατιστικά γραφήματα για να αποφεύγουμε λανθασμένες αποφάσεις και συμπεράσματα.
1. Κατανοήστε το πλαίσιο και τον σκοπό του γραφήματος
Το πρώτο βήμα πριν εξετάσετε μια γραμμή, μια ράβδο ή ένα χρώμα σε ένα γράφημα είναι να κατανοήσετε το πλαίσιό του. Αναρωτηθείτε: Περί τίνος πρόκειται αυτά τα δεδομένα; Ποιος συνέλεξε τα δεδομένα; Για ποιο σκοπό δημιουργήθηκε το γράφημα; Τα γραφήματα σε κυβερνητικές αναφορές, επιστημονικά περιοδικά ή διαφημίσεις προϊόντων μπορεί να έχουν διαφορετικά μηνύματα. Η κατανόηση του πλαισίου θα σας βοηθήσει να αξιολογήσετε εάν το γράφημα δημιουργήθηκε για να εξηγήσει μια αντικειμενική συνθήκη, να υποστηρίξει ένα συγκεκριμένο επιχείρημα ή ακόμα και να επηρεάσει τη γνώμη.
Επιπλέον, λάβετε υπόψη την χρονική περίοδο και την περιοχή που καλύπτεται. Ένα διάγραμμα πληθωρισμού 12 μηνών σίγουρα θα δημιουργήσει διαφορετική εντύπωση από ένα διάγραμμα 20 ετών. Η αλλαγή της χρονικής κλίμακας μπορεί να μεγεθύνει ή να μειώσει την εντύπωση των διακυμάνσεων στα δεδομένα.
2. Προσδιορίστε τον τύπο του γραφήματος και ποια είναι η καταλληλότερη ανάγνωση
Κάθε τύπος γραφήματος έχει μια κύρια λειτουργία:
– Ραβδόγραμμα: κατάλληλο για τη σύγκριση κατηγοριών, για παράδειγμα πωλήσεων ανά προϊόν.
– Γράφημα γραμμών: ιδανικό για την προβολή τάσεων με την πάροδο του χρόνου, για παράδειγμα ημερήσιων τιμών μετοχών.
– Κυκλικό διάγραμμα: δείχνει την αναλογία των μερών προς το σύνολο, για παράδειγμα το μερίδιο αγοράς, αλλά είναι λιγότερο αποτελεσματικό εάν υπάρχουν πολλές κατηγορίες ή εάν δεν διαφέρουν πολύ.
– Ιστόγραμμα: εμφανίζει την κατανομή των αριθμητικών δεδομένων, για παράδειγμα την κατανομή των βαθμολογιών των εξετάσεων.
– Διάγραμμα διασποράς (διάγραμμα διασποράς): δείχνει τη σχέση μεταξύ δύο μεταβλητών, για παράδειγμα ωρών μελέτης και βαθμών.
Η γνώση του τύπου γραφήματος σάς βοηθά να εστιάσετε στις πληροφορίες που πραγματικά θέλετε να επισημάνετε. Ένα συνηθισμένο λάθος είναι η ανάγνωση ενός κυκλικού γραφήματος για να συγκρίνει μικρές διαφορές μεταξύ κατηγοριών—όταν το ανθρώπινο μάτι δυσκολεύεται να διακρίνει την περιοχή μιας τομής παρά το μήκος μιας ράβδου.
3. Διαβάστε προσεκτικά τον τίτλο, την ετικέτα, τις ενότητες και τον υπόμνημα.
Οι παρερμηνείες συχνά συμβαίνουν όχι επειδή το γράφημα είναι περίπλοκο, αλλά επειδή ο αναγνώστης παραβλέπει ένα βασικό στοιχείο:
– Ο τίτλος περιγράφει το βασικό μήνυμα του γραφικού.
– Οι ετικέτες των αξόνων X και Y υποδεικνύουν ποιες μεταβλητές εμφανίζονται.
– Οι μονάδες (ποσοστό, ρουπίες, χιλιάδες άνθρωποι, τόνοι, δείκτης) καθορίζουν την έννοια των αριθμών.
– Ο υπόμνημα εξηγεί τη σημασία των διαφορετικών χρωμάτων/γραμμών.
Για παράδειγμα, ένα γράφημα με ένδειξη στον άξονα Y ως «Έσοδα (εκατομμύρια ρουπίες)» θα έχει διαφορετική σημασία από το «Έσοδα (δισεκατομμύρια ρουπίες).» Ομοίως, μια κλίμακα «ανά 100.000 κατοίκους» διαφέρει από τον «συνολικό αριθμό». Η κατανόηση αυτών των στοιχείων αποτρέπει εξαρχής την εξαγωγή λανθασμένων συμπερασμάτων.
4. Ελέγξτε την κλίμακα και τη μηδενική γραμμή βάσης
Η κλίμακα του άξονα Y είναι μία από τις μεγαλύτερες πηγές μεροληψίας. Εάν ο άξονας Y δεν ξεκινά από το μηδέν, οι μικρές διαφορές μπορεί να φαίνονται δραματικές. Για παράδειγμα, μια αύξηση από 98 σε 100 μοιάζει με ένα τεράστιο άλμα εάν το διάγραμμα περικόψει την κλίμακα και εμφανίσει μόνο το εύρος 95–101.
Το κόψιμο των αξόνων δεν είναι πάντα λάθος—μερικές φορές είναι απαραίτητο να δούμε μικρές παραλλαγές—αλλά οι αναγνώστες θα πρέπει να έχουν επίγνωση του οπτικού αποτελέσματος. Αποκτήστε τη συνήθεια να κοιτάτε τους αριθμούς εύρους κλίμακας και να ρωτάτε: «Πόσο αλλάζει στην πραγματικότητα σε σύγκριση με την πλήρη κλίμακα;»
5. Διακρίνετε μεταξύ απόλυτων και σχετικών αλλαγών
Πολλά διαγράμματα ή αφηγήσεις αναφέρουν μια «αύξηση 50%» χωρίς να αναφέρουν το αρχικό ποσό. Οι σχετικές (ποσοστιαίες) αλλαγές συχνά ακούγονται μεγάλες, αλλά οι απόλυτες αλλαγές μπορεί να είναι μικρές.
Για παράδειγμα, μια αύξηση στον αριθμό των περιπτώσεων από 2 σε 3 αντιπροσωπεύει αύξηση 50%, αλλά σε απόλυτους όρους, αντιπροσωπεύει μόνο αύξηση 1. Αντίθετα, μια αύξηση από 1.000 σε 1.200 αντιπροσωπεύει αύξηση 20%, αλλά αύξηση 200. Κατά την ερμηνεία ενός γραφήματος, εξετάστε τόσο το πόσο διαφέρει ο πραγματικός αριθμός όσο και την ποσοστιαία μεταβολή — για να κατανοήσετε τον πραγματικό αντίκτυπο.
6. Σημειώστε εάν τα δεδομένα είναι κανονικοποιημένα ή χρησιμοποιούν μέσο όρο.
Τα γραφήματα μπορούν να εμφανίζουν δεδομένα ως «κατά κεφαλήν», «ανά νοικοκυριό», «ανά 1.000 άτομα» ή «μέσο όρο». Αυτός ο τύπος κανονικοποίησης είναι χρήσιμος για πιο δίκαιες συγκρίσεις, αλλά μπορεί να διαστρεβλώσει την εντύπωση.
Για παράδειγμα, η πόλη Α μπορεί να έχει υψηλότερο συνολικό ποσοστό εγκληματικότητας από την πόλη Β επειδή ο πληθυσμός της είναι μεγαλύτερος. Ωστόσο, ανά 100.000 κατοίκους, η πόλη Β μπορεί να είναι πιο ευάλωτη. Ομοίως, το ποσοστό του «μέσου μισθού» μπορεί να είναι μεροληπτικό εάν υπάρχουν λίγα άτομα με πολύ υψηλούς μισθούς. Σε τέτοιες περιπτώσεις, η διάμεση τιμή είναι συχνά πιο αντιπροσωπευτική. Εάν το γράφημα εμφανίζει μόνο τον μέσο όρο, ελέγξτε εάν υπάρχουν πρόσθετες πληροφορίες, όπως η διάμεση τιμή, το εύρος ή τα τεταρτημόρια.
7. Προσέξτε μήπως η συσχέτιση εκληφθεί λανθασμένα ως αιτιώδης συνάφεια.
Τα διαγράμματα διασποράς χρησιμοποιούνται συχνά για να δείξουν τη σχέση μεταξύ δύο μεταβλητών. Εάν οι τελείες σχηματίζουν ένα μοτίβο, μπορούμε να πούμε ότι υπάρχει συσχέτιση. Ωστόσο, η συσχέτιση δεν υποδηλώνει πάντα αιτιότητα.
Για παράδειγμα, οι πωλήσεις παγωτού αυξάνονται ταυτόχρονα με τα περιστατικά αφυδάτωσης. Αυτό δεν σημαίνει ότι το παγωτό προκαλεί αφυδάτωση. Ένας τρίτος παράγοντας (ο ζεστός καιρός) επηρεάζει και τα δύο. Όταν εξετάζετε ένα γράφημα της σχέσης μεταξύ μεταβλητών, αναρωτηθείτε: υπάρχουν άλλες μεταβλητές που μπορεί να συμβάλλουν; Υποστηρίζει ο σχεδιασμός της μελέτης ένα αιτιώδες συμπέρασμα ή απλώς υποδηλώνει μια συσχέτιση;
8. Ελέγξτε το μέγεθος του δείγματος και την πηγή δεδομένων
Ένα γράφημα που φαίνεται πειστικό δεν προέρχεται απαραίτητα από αξιόπιστα δεδομένα. Τα μικρά μεγέθη δειγμάτων μπορούν να προκαλέσουν φαινομενικά μεγάλες διακυμάνσεις και τα δεδομένα από αναξιόπιστες πηγές μπορεί να είναι παραπλανητικά.
Εάν είναι δυνατόν, μάθετε: πόσοι ερωτηθέντες ή παρατηρήσεις; Πώς ήταν η μέθοδος δειγματοληψίας; Είναι πρόσφατα τα δεδομένα; Ένα γράφημα από μια έρευνα 100 ατόμων θα έχει φυσικά μεγαλύτερη αβεβαιότητα από μια έρευνα δεκάδων χιλιάδων ερωτηθέντων. Τα επιστημονικά γραφήματα εμφανίζουν μερικές φορές «γραμμές σφάλματος» ή διαστήματα εμπιστοσύνης που υποδηλώνουν αβεβαιότητα — αυτά είναι σημαντικό να διαβάζονται, όχι να αγνοούνται.
9. Αναγνωρίστε οπτικές τεχνικές που μπορεί να είναι παραπλανητικές
Αρκετές τεχνικές σχεδιασμού μπορούν να επηρεάσουν την αντίληψη:
– Η χρήση τρισδιάστατων εικόνων σε ραβδογράμματα/διαγράμματα πίτας μπορεί να δυσχεράνει τη σύγκριση μετρήσεων.
– Τα χρώματα που κάνουν πολύ αντίθεση μπορούν να τονίσουν ορισμένες κατηγορίες.
– Η σειρά των κατηγοριών μπορεί να καθοδηγήσει την ερμηνεία (π.χ. τοποθέτηση ακραίων τιμών στην αρχή/στο τέλος).
– Η επιλεκτική επιλογή χρονικού πλαισίου μπορεί να αποκρύψει μακροπρόθεσμες τάσεις.
Ως αναγνώστης, αποκτήστε τη συνήθεια να «δοκιμάζετε» γραφήματα: αλλάζουν τα συμπεράσματα εάν επεκταθεί η κλίμακα, το χρονικό διάστημα ή οι κατηγορίες αναδιαταχθούν;
10. Εξάγετε συμπεράσματα αναλογικά και δηλώστε περιορισμούς.
Αφού διαβάσετε το γράφημα, συνοψίστε με μια πρόταση που αντικατοπτρίζει την ισχύ των δεδομένων. Εάν το γράφημα δείχνει ανοδική τάση, δηλώστε «τείνει να αυξάνεται κατά τη διάρκεια αυτής της περιόδου» αντί για «σίγουρα θα συνεχίσει να αυξάνεται». Εάν τα δεδομένα καλύπτουν μόνο μια συγκεκριμένη περιοχή, μην γενικεύετε σε ολόκληρο τον πληθυσμό.
Ένα καλό συμπέρασμα συνήθως απαντά σε τρία πράγματα: (1) ποιο είναι το κύριο μοτίβο, (2) πόσο μεγάλη είναι η αλλαγή και (3) ποια είναι τα όρια της ερμηνείας.
Penutup
Η σωστή ανάγνωση και ερμηνεία στατιστικών γραφημάτων είναι μια κρίσιμη δεξιότητα σε μια εποχή υπερφόρτωσης πληροφοριών. Κατανοώντας το πλαίσιο, αναγνωρίζοντας τους τύπους γραφημάτων, εξετάζοντας ετικέτες και κλίμακες, διακρίνοντας απόλυτες και σχετικές αλλαγές και επιδεικνύοντας κριτική στάση απέναντι στις πηγές δεδομένων και τις πιθανές οπτικές προκαταλήψεις, θα είστε καλύτερα εξοπλισμένοι για να λαμβάνετε αποφάσεις που βασίζονται σε δεδομένα. Τα καλά γραφήματα θα πρέπει να μας βοηθούν να βλέπουμε την πραγματικότητα πιο καθαρά, όχι απλώς να ενισχύουν υποθέσεις. Επομένως, να είστε προσεκτικός αναγνώστης γραφημάτων: μην κοιτάτε μόνο τα σχήματα, αλλά κατανοείτε τη σημασία τους.
