Kuidas statistilisi graafikuid õigesti lugeda ja tõlgendada
Statistilisi graafikuid kasutatakse sageli andmete kokkuvõtlikuks ja kergesti mõistetavaks esitamiseks. Äriaruannetest ja majandusuudistest kuni akadeemiliste uuringute ja sotsiaalmeedia postitusteni aitavad graafikud meil näha trende, võrdlusi ja mustreid, mida on ainult toorandmete põhjal raske haarata. Graafikud võivad aga olla ka eksitavad, kui neid lugeda kiirustades või valesti luua. Seetõttu on oluline teada, kuidas statistilisi graafikuid õigesti lugeda ja tõlgendada, et vältida valesid otsuseid ja järeldusi.
1. Mõista graafiku konteksti ja eesmärki
Enne graafikul oleva joone, tulba või värvi vaatamist on esimene samm selle konteksti mõistmine. Küsi endalt: mille kohta need andmed käivad? Kes andmeid kogus? Mis eesmärgil graafik loodi? Valitsuse aruannetes, teadusajakirjades või tootereklaamides olevatel graafikutel võivad olla erinevad sõnumid. Konteksti mõistmine aitab sul hinnata, kas graafik loodi objektiivse tingimuse selgitamiseks, konkreetse argumendi toetamiseks või isegi arvamuse mõjutamiseks.
Lisaks arvestage ajaperioodi ja hõlmatud piirkonnaga. 12-kuuline inflatsioonigraafik loob kindlasti teistsuguse mulje kui 20-aastane graafik. Ajaskaala muutmine võib andmete kõikumiste muljet suurendada või vähendada.
2. Määrake graafiku tüüp ja milline on selle jaoks kõige sobivam näit
Igal diagrammitüübil on oma põhifunktsioon:
– Tulpdiagramm: sobib kategooriate võrdlemiseks, näiteks müügi kohta toote kohta.
– Joondiagramm: ideaalne trendide jälgimiseks ajas, näiteks aktsiahindade päevamuutuste jälgimiseks.
– Sektordiagramm: näitab osade osakaalu tervikus, näiteks turuosa, kuid on vähem efektiivne, kui kategooriaid on palju või need ei ole väga erinevad.
– Histogramm: kuvab numbriliste andmete jaotust, näiteks eksamitulemuste jaotust.
– Hajudiagramm (hajusdiagramm): näitab kahe muutuja vahelist seost, näiteks õppetundide ja hinnete vahel.
Diagrammitüübi tundmine aitab teil keskenduda teabele, mida soovite esile tõsta. Levinud viga on sektordiagrammi lugemine kategooriate väikeste erinevuste võrdlemiseks – kui inimsilmal on raskem eristada viilu pindala kui tulba pikkust.
3. Lugege hoolikalt pealkirja, silti, ühikuid ja legendi.
Valetõlgendused tekivad sageli mitte seetõttu, et graafik on keeruline, vaid seetõttu, et lugeja jätab mõne põhielemendi kahe silma vahele:
– Pealkiri annab edasi graafika põhisõnumi.
– X- ja Y-telje sildid näitavad, milliseid muutujaid kuvatakse.
– Ühikud (protsent, ruupia, tuhat inimest, tonn, indeks) määravad numbrite tähenduse.
– Legend selgitab erinevate värvide/joonte tähendust.
Näiteks graafikul, mille Y-teljel on näit "Tulu (miljonites ruupiates)", on erinev tähendus kui "Tulu (miljardites ruupiates)". Samamoodi erineb skaala "100 000 elaniku kohta" skaalast "koguarv". Nende elementide mõistmine hoiab ära valede järelduste tegemise juba algusest peale.
4. Kontrollige skaalat ja nullpunkti
Y-telje skaala on üks suurimaid eelarvamuste allikaid. Kui Y-telg ei alga nullist, võivad väikesed erinevused tunduda dramaatilised. Näiteks tõus 98-lt 100-le tundub tohutu hüppena, kui diagramm kärbib skaalat ja näitab ainult vahemikku 95–101.
Telgede lõikamine pole alati vale – mõnikord on vaja näha väikeseid erinevusi –, aga lugejad peaksid olema visuaalsest efektist teadlikud. Harjuta end vaatama skaalavahemiku numbreid ja küsima: "Kui palju see tegelikult võrreldes täisskaalaga muutub?"
5. Eristage absoluutseid ja suhtelisi muutusi
Paljudes diagrammides või narratiivides on märgitud „50% suurenemine“, mainimata algset arvu. Suhtelised (protsentuaalsed) muutused kõlavad sageli suurtena, kuid absoluutsed muutused võivad olla väikesed.
Näiteks juhtumite arvu tõus 2-lt 3-le tähistab 50% suurenemist, kuid absoluutarvudes tähistab see suurenemist ainult 1 võrra. Seevastu tõus 1.000-lt 1.200-le tähistab 20% suurenemist, kuid 200 võrra suurenemist. Graafiku tõlgendamisel vaadake mõlemat – kui palju tegelik arv erineb ja milline on protsentuaalne muutus –, et mõista tegelikku mõju.
6. Pange tähele, kas andmed on normaliseeritud või kasutatakse keskmist.
Graafikud saavad andmeid kuvada kujul „inimese kohta“, „leibkonna kohta“, „1.000 inimese kohta“ või „keskmine“. Selline normaliseerimine on kasulik õiglasemate võrdluste tegemiseks, kuid see võib muljet moonutada.
Näiteks võib linnas A olla kõrgem kuritegevuse kogumäär kui linnas B, kuna selle rahvaarv on suurem. 100 000 elaniku kohta võib linn B aga olla haavatavam. Samamoodi võib „keskmise palga” näitaja olla kallutatud, kui on vähe inimesi, kellel on väga kõrge palk; sellistel juhtudel on mediaan sageli esinduslikum. Kui graafikul kuvatakse ainult keskmist, kontrollige, kas on lisateavet, näiteks mediaan, vahemik või kvartiilid.
7. Olge ettevaatlik, et korrelatsiooni ei peetaks ekslikult põhjuslikuks seoseks.
Hajusdiagramme kasutatakse sageli kahe muutuja vahelise seose näitamiseks. Kui punktid moodustavad mustri, võime öelda, et on olemas korrelatsioon. Korrelatsioon ei tähenda aga alati põhjuslikku seost.
Näiteks jäätise müük suureneb samaaegselt dehüdratsioonijuhtumitega. See ei tähenda, et jäätis põhjustab dehüdratsiooni; kolmas tegur (kuum ilm) mõjutab mõlemat. Muutujate vahelise seose graafikut vaadates küsige endalt: kas on ka teisi muutujaid, mis võivad olla soodustavateks teguriteks? Kas uuringu ülesehitus toetab põhjuslikku järeldust või viitab see lihtsalt seosele?
8. Kontrollige valimi suurust ja andmeallikat
Veenva välimusega graafik ei pruugi tingimata pärineda usaldusväärsetest andmetest. Väikesed valimid võivad põhjustada näiliselt suuri kõikumisi ja ebausaldusväärsetest allikatest pärit andmed võivad olla eksitavad.
Võimalusel uurige välja: kui palju on vastajaid või vaatlusi? Milline oli valimi meetod? Kas andmed on värsked? 100 inimese küsitluse graafikul on loomulikult suurem ebakindlus kui kümnete tuhandete vastajate küsitlusel. Teadusgraafikutel on mõnikord "veapiirid" või usaldusvahemikud, mis viitavad ebakindlusele – neid on oluline lugeda, mitte ignoreerida.
9. Tuvastage visuaalsed võtted, mis võivad olla petlikud
Taju võivad mõjutada mitmed disainitehnikad:
– 3D-diagrammide kasutamine tulp-/sektordiagrammidel võib muuta mõõtmiste võrdlemise keeruliseks.
– Liiga kontrastsed värvid võivad teatud kategooriaid esile tõsta.
– Kategooriate järjekord võib tõlgendamist suunata (nt äärmuslike väärtuste asetamine algusesse/lõppu).
– Valikuline ajaraami valik võib varjata pikaajalisi trende.
Lugejana tee endale harjumuseks graafikuid „testida“: kas järeldused muutuvad skaala laiendamisel, ajavahemiku pikendamisel või kategooriate järjestuse muutmisel?
10. Tehke proportsionaalsed järeldused ja märkige piirangud.
Pärast graafiku lugemist tehke kokkuvõte lausega, mis peegeldab andmete tugevust. Kui graafik näitab tõusutrendi, märkige lause "kipub sel perioodil suurenema", mitte "jätkab kindlasti suurenemist". Kui andmed hõlmavad ainult konkreetset piirkonda, ärge üldistage neid kogu populatsioonile.
Hea järeldus vastab tavaliselt kolmele küsimusele: (1) milline on peamine muster, (2) kui suur on muutus ja (3) millised on tõlgenduse piirid.
Sulgemine
Statistiliste graafikute õige lugemine ja tõlgendamine on info ülekülluse ajastul ülioluline oskus. Konteksti mõistmise, graafikutüüpide äratundmise, siltide ja skaalade uurimise, absoluutsete ja suhteliste muutuste eristamise ning andmeallikate ja võimalike visuaalsete eelarvamuste kriitilise suhtumise abil olete paremini ette valmistatud andmepõhiste otsuste tegemiseks. Head graafikud peaksid aitama meil reaalsust selgemini näha, mitte ainult eeldusi kinnistama. Seetõttu olge graafikute hoolikas lugeja: ärge vaadake ainult kujundeid, vaid mõistke ka nende tähendust.
