Kā pareizi lasīt un interpretēt statistikas grafikus
Statistikas diagrammas bieži tiek izmantotas, lai datus attēlotu kodolīgi un viegli saprotami. Sākot ar biznesa ziņojumiem un ekonomikas ziņām un beidzot ar akadēmiskiem pētījumiem un ierakstiem sociālajos medijos, diagrammas palīdz mums saskatīt tendences, salīdzinājumus un modeļus, ko ir grūti aptvert tikai no neapstrādātiem skaitļiem. Tomēr diagrammas var būt arī maldinošas, ja tās tiek lasītas steigā vai nepareizi izveidotas. Tāpēc ir svarīgi zināt, kā pareizi lasīt un interpretēt statistikas diagrammas, lai izvairītos no nepareiziem lēmumiem un secinājumiem.
1. Izprotiet grafika kontekstu un mērķi
Pirmais solis pirms līnijas, joslas vai krāsas aplūkošanas grafikā ir izprast tās kontekstu. Pajautājiet sev: par ko ir šie dati? Kas šos datus apkopoja? Kādam nolūkam grafiks tika izveidots? Grafikiem valdības ziņojumos, zinātniskos žurnālos vai produktu reklāmās var būt dažādi vēstījumi. Konteksta izpratne palīdzēs jums novērtēt, vai grafiks tika izveidots, lai izskaidrotu objektīvu nosacījumu, pamatotu konkrētu argumentu vai pat ietekmētu viedokli.
Turklāt ņemiet vērā aptverto laika periodu un reģionu. 12 mēnešu inflācijas diagramma noteikti radīs atšķirīgu iespaidu nekā 20 gadu diagramma. Laika skalas maiņa var palielināt vai mazināt datu svārstību iespaidu.
2. Nosakiet grafika veidu un vispiemērotāko nolasījumu
Katram diagrammas veidam ir galvenā funkcija:
– Stabiņu diagramma: piemērota kategoriju salīdzināšanai, piemēram, pārdošanas apjomiem pa produktiem.
– Līniju diagramma: ideāli piemērota tendenču, piemēram, akciju cenu, ikdienas apskatei laika gaitā.
– Sektordiagramma: parāda daļu proporciju pret kopumu, piemēram, tirgus daļu, bet ir mazāk efektīva, ja ir daudz kategoriju vai tās nav īpaši atšķirīgas.
– Histogramma: attēlo skaitlisko datu sadalījumu, piemēram, eksāmenu rezultātu sadalījumu.
– Izkliedes diagramma: rāda saistību starp diviem mainīgajiem, piemēram, mācību stundām un atzīmēm.
Diagrammas veida pārzināšana palīdz koncentrēties uz informāciju, kuru patiešām vēlaties izcelt. Bieži pieļauta kļūda ir sektoru diagrammas lasīšana, lai salīdzinātu nelielas atšķirības starp kategorijām — kad cilvēka acij ir grūtāk atšķirt šķēles laukumu nekā joslas garumu.
3. Rūpīgi izlasiet nosaukumu, etiķeti, mērvienības un aprakstu.
Nepareizas interpretācijas bieži rodas nevis tāpēc, ka grafiks ir sarežģīts, bet gan tāpēc, ka lasītājs nepamana kādu pamatelementu:
– Nosaukums izsaka grafikas galveno vēstījumu.
– X un Y asu apzīmējumi norāda, kuri mainīgie tiek parādīti.
– Mērvienības (procenti, rūpija, tūkstoši cilvēku, tonnas, indekss) nosaka skaitļu nozīmi.
– Leģenda paskaidro dažādo krāsu/līniju nozīmi.
Piemēram, grafikam ar Y ass rādījumu "Ieņēmumi (miljonos rūpiju)" būs atšķirīga nozīme nekā "Ieņēmumi (miljardos rūpiju)". Līdzīgi mērogs "uz 100 000 iedzīvotāju" atšķiras no "kopējā skaita". Šo elementu izpratne jau no paša sākuma novērš nepareizus secinājumus.
4. Pārbaudiet svarus un nulles bāzes līniju
Y ass skala ir viens no lielākajiem neobjektivitātes avotiem. Ja Y ass nesākas no nulles, nelielas atšķirības var šķist dramatiskas. Piemēram, pieaugums no 98 līdz 100 izskatās kā milzīgs lēciens, ja diagramma apgriež skalu un parāda tikai 95–101 diapazonu.
Cirvju griešana ne vienmēr ir nepareiza — dažreiz ir nepieciešams redzēt nelielas variācijas —, taču lasītājiem jāapzinās vizuālais efekts. Ieradiniet sevi skatīties uz mēroga diapazona numuriem un jautāt: "Cik lielā mērā tas patiesībā mainās, salīdzinot ar pilnu mērogu?"
5. Atšķirt absolūtās un relatīvās izmaiņas
Daudzās diagrammās vai aprakstos ir norādīts “50% pieaugums”, neminot sākotnējo skaitli. Relatīvās (procentuālās) izmaiņas bieži vien izklausās lielas, bet absolūtās izmaiņas var būt nelielas.
Piemēram, gadījumu skaita pieaugums no 2 līdz 3 nozīmē 50 % pieaugumu, bet absolūtā izteiksmē tas nozīmē tikai 1 gadījuma pieaugumu. Savukārt pieaugums no 1.000 līdz 1.200 nozīmē 20 % pieaugumu, bet 200 gadījumu pieaugumu. Interpretējot grafiku, lai izprastu faktisko ietekmi, jāņem vērā gan faktiskais skaitlis, gan procentuālā izmaiņa.
6. Ievērojiet, vai dati ir normalizēti vai tiek izmantots vidējais rādītājs.
Diagrammās datus var attēlot kā “uz vienu iedzīvotāju”, “uz mājsaimniecību”, “uz 1.000 cilvēkiem” vai “vidēji”. Šāda veida normalizācija ir noderīga taisnīgākai salīdzināšanai, taču tā var kropļot iespaidu.
Piemēram, pilsētā A var būt augstāks kopējais noziedzības līmenis nekā pilsētā B, jo tās iedzīvotāju skaits ir lielāks. Tomēr uz 100 000 iedzīvotājiem pilsēta B var būt neaizsargātāka. Līdzīgi “vidējās algas” rādītājs var būt neobjektīvs, ja ir daži cilvēki ar ļoti augstām algām; šādos gadījumos mediāna bieži vien ir reprezentatīvāka. Ja grafikā ir attēlota tikai vidējā vērtība, pārbaudiet, vai ir pieejama papildu informācija, piemēram, mediāna, diapazons vai kvartiles.
7. Uzmanieties, lai korelācija netiktu sajaukta ar cēloņsakarību.
Izkaisītās diagrammas bieži izmanto, lai parādītu divu mainīgo lielumu savstarpējo saistību. Ja punkti veido rakstu, var teikt, ka pastāv korelācija. Tomēr korelācija ne vienmēr nozīmē cēloņsakarību.
Piemēram, saldējuma pārdošanas apjomi pieaug vienlaikus ar dehidratācijas gadījumu skaita pieaugumu. Tas nenozīmē, ka saldējums izraisa dehidratāciju; trešais faktors (karsts laiks) ietekmē abus. Aplūkojot mainīgo lielumu savstarpējās attiecības grafiku, pajautājiet sev: vai pastāv citi mainīgie lielumi, kas varētu būt veicinoši faktori? Vai pētījuma dizains apstiprina cēloņsakarību vai arī tas vienkārši liecina par saistību?
8. Pārbaudiet izlases lielumu un datu avotu
Pārliecinoši izskatīgs grafiks ne vienmēr ir iegūts no ticamiem datiem. Nelieli izlases lielumi var radīt šķietami lielas svārstības, un dati no neuzticamiem avotiem var būt maldinoši.
Ja iespējams, noskaidrojiet: cik respondentu vai novērojumu? Kāda bija izlases metode? Vai dati ir neseni? Grafikam, kas iegūts no 100 cilvēku aptaujas, dabiski būs lielāka nenoteiktība nekā aptaujai, kurā iesaistīti desmitiem tūkstošu respondentu. Zinātniskajos grafikos dažreiz ir redzamas "kļūdu joslas" vai ticamības intervāli, kas norāda uz nenoteiktību — tos ir svarīgi izlasīt, nevis ignorēt.
9. Atpazīt vizuālās tehnikas, kas var būt maldinošas
Uztveri var ietekmēt vairākas dizaina metodes:
– 3D izmantošana joslu/sektoru diagrammās var apgrūtināt mērījumu salīdzināšanu.
– Pārāk kontrastējošas krāsas var izcelt noteiktas kategorijas.
– Kategoriju secība var vadīt interpretāciju (piemēram, galējo vērtību novietošana sākumā/beigās).
– Selektīva laika posma izvēle var slēpt ilgtermiņa tendences.
Kā lasītājam izveidojiet ieradumu “pārbaudīt” grafikus: vai secinājumi mainās, ja tiek paplašināta skala, pagarināts laika posms vai mainīta kategoriju secība?
10. Izdarīt proporcionālus secinājumus un norādīt ierobežojumus.
Pēc grafika izlasīšanas apkopojiet to ar teikumu, kas atspoguļo datu nozīmīgumu. Ja grafikā redzama augšupejoša tendence, norādiet "šajā periodā ir tendence pieaugt", nevis "noteikti turpinās pieaugt". Ja dati aptver tikai konkrētu reģionu, nevispāriniet uz visu populāciju.
Labs secinājums parasti atbild uz trim jautājumiem: (1) kāds ir galvenais modelis, (2) cik lielas ir izmaiņas un (3) kādas ir interpretācijas robežas.
Pennutup
Statistikas grafiku pareiza lasīšana un interpretācija ir izšķiroša prasme informācijas pārslodzes laikmetā. Izprotot kontekstu, atpazīstot grafiku veidus, pārbaudot apzīmējumus un mērogus, atšķirot absolūtās un relatīvās izmaiņas un kritiski vērtējot datu avotus un iespējamās vizuālās novirzes, jūs būsiet labāk sagatavoti, lai pieņemtu uz datiem balstītus lēmumus. Labiem grafikiem vajadzētu palīdzēt mums skaidrāk saskatīt realitāti, nevis tikai pastiprināt pieņēmumus. Tāpēc esiet uzmanīgs grafiku lasītājs: neskatieties tikai uz formām, bet arī izprotiet to nozīmi.
