Principles of Analytic Graphics
인트로 : 분석적 그래픽
6가지 원칙
- 비교하기: 높낮이 파악
- 인과관계, 메커니즘, 설명, 시스템적 구조 보기
- 이유 찾기
- 변수와 변수 간의 관계를 보는 것 (상관계수)
- 다변량 데이터 보기: 단편적인 데이터 합치기
- 증거 통합하기
- 증거 묘사하고 문서화하기
- 콘텐츠, 콘텐츠, 콘텐츠
1. 비교해보기!
- 비교 = 가장 좋은 과학적 조사!
예시) 천식관련 질환이 공기청정기 설치 이후 나아졌는지
- 아이들과 같이 사는 사람의 담배가 원인이 아닐까?
- 각 아이들 스스로가 baseline이 됨. 6개월 후 비교 (자신이 곧 대조군)
- 목적 : 6개월 간 아이들의 증상호전 기간의 향상. 수가 클 수록 좋다.
Asthma Example
control : 공기청정기가 없음.
Air Cleaner : 공기청정기 설치.
2. 인과관계, 설명, 구조 확인하기
이 그래프를 잘못 오해하면
- 설치를 하니 ⇒ 아이들이 좋아진다.
- 꼭 그렇지는 않을수도 있다!
- 상관성(연관성)과 인과성의 오해!
- 플롯을 보니, 증상이 나아지긴 했다.
Asthma Example
- 왜 공기청정기를 까니 아이들이 좋아졌나? 라는 질문이 나올 수 있다.
- 다만, 이 질문은 통계 분석의 영역 밖의 질문이다.
서베이 ⇒ 문제가 생김. (기침 횟수를 누가 기억?)
따라서 PM2.5 센서 측정 ⇒ 실제 미세먼지 농도 확인
그러나 이것은 결정적인 증거가 되지 못한다.
- 다른 confunding factor가 될 수 있다.
3. 다변량 데이터 보기
- 세상은 다변량이다.
- 여러 변수를 같이 고려하는 것이 필요하다.
PM10 in NYC
예시) 미세먼지와 사망률의 결과
이 그림을 보니 pm10이 줄수록 오히려 사망률이 줄어듬
그래서 축을 바꿈.
- x = dailiy mortality의 연도별
- 계절에 따라 사망률이 달라진다.
또 축을 바꿔보자.
- y = pm
- 계절에 따라 사망률이 달라진다.
그래서 계절별로 데이터를 보았다. 좀 더 패턴들이 잘 보이고 있다.
사망률과 PM10 사이의 관계를 보면 음의 관계
4. 증거 통합하기
- 이것저것 다 넣어도 된다.
- 데이터 그래픽 = 여러가지를 많이 시도해 볼 것.
5. 증거 찾기
PM10 in NYC
- 가장 base하게 그래픽을 사용한다.
- 최소한의 title과 label 만큼은 표기해줘야 한다.