Prinsipper for god datavisualisering

Effektiv visualisering kommuniserer et klart budskap uten å villede. Grunnprinsippene er: (1) tilpass visualiseringstypen til datatypene og budskapet, (2) bruk korrekte aksemerker og titler, (3) unngå «chartjunk» (unødvendige dekorasjoner som forstyrrer), og (4) gjør skalaen synlig og ærlig (ikke kutt y-aksen vilkårlig).

Diagramtyper og når de brukes

Histogram: fordeling av én kontinuerlig variabel. X-aksen viser verdibånd, Y-aksen viser frekvens eller tetthet. Viser skjevhet, modalitet og spredning.
Stolpediagram (barplot): frekvenser eller gjennomsnitt for kategoriske variabler. Kolonner med mellomrom (i motsetning til histogram, der søylene er inntil hverandre).
Boxplot (boksplott): viser median, IQR (boksen), whiskers (typisk 1,5 × IQR) og outliers. Egnet for å sammenligne fordelinger mellom grupper.
Scatter-plot: sammenheng mellom to kontinuerlige variabler. Grunnlag for korrelasjon og regresjon. Kan suppleres med regresjonslinjen.
Linjediagram: tidsseriedata – én eller flere variabler over tid.

Tabell vs. diagram

Tabeller er bedre når man ønsker å lese nøyaktige verdier (f.eks. regresjonskoeffisienter med standardfeil). Diagrammer er bedre for å vise mønstre, trender og distribusjoner. For vitenskapelig rapportering: regresjons-output presenteres i tabell; fordelinger og bivariate sammenhenger presenteres i diagram.

Eksempel: Valg av visualisering i R

For å presentere fordelingen av valgdeltakelse (kontinuerlig) i 356 kommuner: bruk histogram (hist(deltakelse) eller ggplot(...) + geom_histogram()). For å sammenligne fordelingen mellom Nord-Norge og Sør-Norge: bruk boxplot (boxplot(deltakelse ~ region)). For å vise sammenhengen mellom utdanningsnivå og valgdeltakelse: scatter-plot med regresjonslinje (geom_point() + geom_smooth(method="lm")).

Eksempel: Kritiser en villedende graf (eksamensstil, 3p)

Et Del 2-spørsmål kan vise en stablet figur og spørre hva som er problematisk hvis målet er å vise endring over tid. Typiske svakheter sensor belønner (1p per gyldig poeng): (a) ingen stabil grunnlinje, slik at det blir vanskelig å sammenligne endringer innad i kategoriene; (b) fargene skiller ikke kategoriene hvis grafen skrives ut i svart-hvitt; (c) lite informative akse-/variabeltekster; (d) det plottes antall når målet er å vise andeler. Øv på å peke ut konkrete, begrunnede svakheter framfor generelle kommentarer.

Studieguide: Datavisualisering

Studieguide: Datavisualisering