Answers:
我喜欢居中计数视图。此特定版本删除了中性答案(有效地将中性和不适用视为相同),以仅显示同意/不同意的数量。0点是红色和蓝色相遇的地方。计数轴被剪切掉。
为了进行比较,以下是与堆积百分比相同的五个响应,显示中性(灰色)和无答案(白色)。
更新:建议采用类似方法的论文:绘制李克特和其他等级量表(PDF)
R
用户添加这些绘图在程序包中实现HH
。给您一个印象,您可以尝试likert(t(apply(data, 2, table)))
。
非统计学家通常会很容易理解堆叠的条形图,只要将它们轻轻引入即可。如果它们是序数项(例如Likert),则将它们按通用度量标准(例如0-100%)按比例缩放颜色是很有用的。我喜欢dotchart(克利夫兰点图),当没有太多的项目,不超过3-5响应的类别。但这实际上是视觉清晰度的问题。我通常提供%,因为它是一种标准化的度量标准,并且只报告%和未堆叠条形图的计数。这是我的意思的示例:
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)
使用lattice
或可以实现更好的渲染ggplot2
。在此特定示例中,所有项目都具有相同的响应类别,但是在更一般的情况下,我们可能期望不同的响应类别,因此,显示所有项目似乎在这里并不是多余的。但是,可以为每个响应类别赋予相同的颜色,以便于阅读。
但是我想说,当所有物品都具有相同的响应类别时,堆叠式条形图会更好,因为它们有助于了解不同物品之间一种响应方式的频率:
我还可以想到某种热图,如果有很多具有相似响应类别的项目,这将很有用。
应当报告缺失的响应(尤其是当不可忽略或局限于特定项目/问题时),最好是报告每个项目。通常,计算每个类别的响应百分比时不使用NA。这是通常在调查或心理计量学中所做的(我们所说的是“表达或观察到的反应”)。
PS
我能想到的更花哨的东西如下所示的图像(第一个是通过手,第二个是从制成ggplot2
,ggfluctuation(as.table(tab))
),但我不认为它传达作为准确的信息作为点图或条形图由于表面变化是难以欣赏。
我认为chl的答案很好。
我可能要添加的一件事是,您要比较各项之间的相关性。为此,您可以使用诸如Correlation散点图矩阵之类的有序分类数据
(该代码仍需要进行一些调整-但这给出了总体思路...)
pairs.panels
函数psych
。