Barchart bertumpuk umumnya dipahami dengan baik oleh non-ahli statistik, asalkan diperkenalkan dengan lembut. Sangat berguna untuk mengukur mereka pada metrik umum (mis. 0-100%), dengan warna bertahap untuk setiap kategori jika ini adalah item ordinal (mis. Likert). Saya lebih suka dotchart (Cleveland dot plot), ketika tidak ada terlalu banyak item dan tidak lebih dari 3-5 kategori tanggapan. Tapi itu benar-benar masalah kejelasan visual. Saya biasanya memberikan% karena ini adalah ukuran standar, dan hanya melaporkan% dan dihitung dengan barchart yang tidak ditumpuk. Ini adalah contoh dari apa yang saya maksud:
data(Environment, package="ltm")
Environment[sample(1:nrow(Environment), 10),1] <- NA
na.count <- apply(Environment, 2, function(x) sum(is.na(x)))
tab <- apply(Environment, 2, table)/
apply(apply(Environment, 2, table), 2, sum)*100
dotchart(tab, xlim=c(0,100), xlab="Frequency (%)",
sub=paste("N", nrow(Environment), sep="="))
text(100, c(2,7,12,17,22,27), rev(na.count), cex=.8)
mtext("# NA", side=3, line=0, at=100, cex=.8)
Render yang lebih baik dapat dicapai dengan latticeatau ggplot2. Semua item memiliki kategori respons yang sama dalam contoh khusus ini, tetapi dalam kasus yang lebih umum kita mungkin mengharapkan yang berbeda, sehingga menunjukkan semuanya tidak tampak berlebihan seperti halnya di sini. Namun dimungkinkan untuk memberikan warna yang sama untuk setiap kategori respons sehingga memudahkan pembacaan.
Tapi saya akan mengatakan barchart bertumpuk lebih baik ketika semua item memiliki kategori respons yang sama, karena mereka membantu untuk menghargai frekuensi modalitas satu respons di seluruh item:
Saya juga bisa memikirkan semacam peta panas, yang berguna jika ada banyak item dengan kategori respons yang sama.
Respons yang hilang (khususnya bila tidak dapat diabaikan atau dilokalkan pada item / pertanyaan tertentu) harus dilaporkan, idealnya untuk setiap item. Secara umum,% tanggapan untuk setiap kategori dihitung tanpa NA. Inilah yang biasanya dilakukan dalam survei atau psikometrik (kita berbicara tentang "tanggapan yang diungkapkan atau diamati").
NB
Saya bisa memikirkan hal-hal yang lebih mewah seperti gambar yang ditunjukkan di bawah ini (yang pertama dibuat dengan tangan, yang kedua adalah dari ggplot2, ggfluctuation(as.table(tab))), tetapi saya tidak berpikir itu menyampaikan informasi seakurat dotplot atau barchart karena variasi permukaan sulit untuk dilakukan. menghargai.
