เผยแพร่ | อัปเดตล่าสุด

ประเภทของกราฟที่เหมาะสมสำหรับการวิจัยขึ้นอยู่กับสิ่งหนึ่งสิ่ง นั่นคือ คำถามที่ข้อมูลของคุณตอบ ใช้กราฟแท่งที่มีจุดข้อมูลดิบเพื่อเปรียบเทียบกลุ่มต่างๆ ใช้แผนภาพกล่องเพื่อเปรียบเทียบการกระจาย ใช้ฮิสโตแกรมเพื่อดูรูปร่างของการวัดค่าเดียว ใช้แผนภาพกระจายสำหรับการวัดค่าสองค่าพร้อมกัน และใช้กราฟเส้นเพื่อแสดงการเปลี่ยนแปลงเมื่อเวลาผ่านไป ด้านล่างนี้ ตัวอย่างกราฟแต่ละประเภทจะแสดงบนชุดข้อมูลจริงที่สามารถอ้างอิงได้ พร้อมด้วยตัวเลขที่คุณควรอ่านจากข้อมูลนั้น และข้อผิดพลาดที่ผู้ตรวจสอบมักชี้ให้เห็นมากที่สุด

ในคำง่ายๆ

เลือกกราฟจากคำถามของคุณ ไม่ใช่จากความเคยชิน แสดงจุดข้อมูลทุกจุดเมื่อมีข้อมูลน้อย เริ่มแกนแท่งกราฟที่ศูนย์ ระบุค่า n และความหมายของแถบแสดงความคลาดเคลื่อนในคำอธิบายภาพ

กราฟประเภทใดที่ตรงกับคำถามของคุณ?

เริ่มต้นด้วยตารางนี้ แต่ละแถวเชื่อมโยงคำถามวิจัยกับกราฟที่ตอบคำถามนั้น และวิธีที่กราฟนั้นมักทำให้เข้าใจผิด กราฟทุกกราฟในตารางจะมีการอธิบายอย่างละเอียดด้านล่าง และกราฟแบบสองแกนจะมีส่วนแยกต่างหาก สำหรับกราฟความแม่นยำในการวินิจฉัย การทดลอง และการวิเคราะห์เมตา (ROC, Kaplan-Meier, forest, Bland-Altman) โปรดดูที่กราฟการวิจัยทางคลินิก: 10 กราฟสำหรับการทดลอง การทดสอบวินิจฉัย และการวิเคราะห์เมตา

คำถามของคุณกราฟที่จะใช้ในกรณีที่ล้มเหลว
เปรียบเทียบค่าเฉลี่ยของกลุ่มกราฟแท่งแสดงข้อมูลดิบแท่งกราฟเพียงอย่างเดียวจะซ่อนการกระจายตัวและขนาดตัวอย่างไว้
เปรียบเทียบการกระจายตัวและค่าผิดปกติระหว่างกลุ่มต่างๆพล็อตกล่องซ่อนลักษณะสองยอด; แสดงจุดเมื่อ n มีขนาดเล็ก
ดูรูปทรงของการวัดหนึ่งครั้งHistogramความกว้างของถังเปลี่ยนมุมมอง ลองใช้ความกว้างสองแบบดู
แสดงให้เห็นว่าการวัดสองค่าเคลื่อนที่ไปพร้อมกันอย่างไรพล็อตกระจายเส้นกราฟที่เหมาะสมบ่งบอกถึงสาเหตุและผลลัพธ์ แสดงให้เห็นเพียงความสัมพันธ์เท่านั้น
แสดงการเปลี่ยนแปลงเมื่อเวลาผ่านไปกราฟเส้นแนวโน้มที่ราบเรียบเพียงอย่างเดียวอาจซ่อนการเปลี่ยนแปลงอย่างฉับพลันไว้ได้
แสดงตารางค่าหรือความสัมพันธ์แผนที่ความร้อนมาตราส่วนสีอาจทำให้เข้าใจผิดได้หากไม่มีคำอธิบายสีกำกับไว้
แสดงส่วนแบ่งของทั้งหมดหนึ่งส่วน (2 ถึง 5 ส่วน)พายหรือแท่งซ้อนกันไม่สามารถเปรียบเทียบชิ้นส่วนมากกว่า 5 ชิ้นด้วยตาเปล่าได้

กราฟแต่ละประเภทจะถูกประมวลผลสองครั้ง ครั้งแรกกับชุดข้อมูลสาธารณะที่มาพร้อมกับ R เพื่อให้คุณสามารถสร้างตัวเลขทุกตัวขึ้นมาใหม่ได้ (คำนวณแยกกันใน R และ Python และจับคู่กับหลักสุดท้าย) จากนั้นกับรูปภาพจากบทความวิจัยแบบเปิดเผยข้อมูลล่าสุดใน JAMA Network Open หรือ Nature Communications ซึ่งเผยแพร่ภายใต้ลิขสิทธิ์ CC BY 4.0 พร้อมการอ้างอิง เพื่อให้คุณเห็นว่าผู้เขียนจัดการกับการตัดสินใจเดียวกันนี้อย่างไรในฉบับพิมพ์

กราฟแท่ง: เปรียบเทียบค่าเฉลี่ยของกลุ่ม (แสดงด้วยจุด)

กราฟแท่งแสดงค่าเป็นความยาว ดังนั้นจึงตอบคำถามว่า “กลุ่มใดมีขนาดใหญ่กว่า” ข้อมูลคือความยาวฟันของหนูตะเภา 60 ตัวที่ได้รับวิตามินซีในรูปน้ำส้ม (OJ) หรือกรดแอสคอร์บิก (VC) ในสามขนาด (Crampton 1947, 10 ตัวต่อแท่ง)

กราฟแท่งแสดงความยาวฟันของหนูตะเภาตามปริมาณวิตามินซี โดยมีจุดข้อมูลแต่ละจุดซ้อนทับอยู่
รูป 1 ความยาวฟันเฉลี่ยจำแนกตามปริมาณและอาหารเสริม โดยแต่ละแท่งแสดงด้วยจุด ความสูงของแท่ง = ค่าเฉลี่ยของกลุ่ม; n = 10 ต่อแท่ง แหล่งที่มา: ToothGrowth (Crampton 1947) จัดทำโดย Editverse

วิธีอ่านกราฟ:ที่ปริมาณ 0.5 มิลลิกรัมต่อวัน น้ำส้มคั้นมีค่าเฉลี่ย 13.23 ไมครอน เทียบกับ 7.98 ไมครอนสำหรับวิตามินซี ที่ปริมาณ 1 มิลลิกรัมต่อวัน ช่องว่างจะอยู่ที่ 22.70 เทียบกับ 16.77 ที่ปริมาณ 2 มิลลิกรัมต่อวัน แท่งกราฟดูเหมือนกัน: 26.06 เทียบกับ 26.14 จุดต่างๆ ช่วยเสริมสิ่งที่แท่งกราฟไม่สามารถเสริมได้: ที่ปริมาณ 2 มิลลิกรัมต่อวัน สัตว์ทดลองที่ได้รับวิตามินซีจะกระจายตัวอยู่ในช่วงที่กว้างกว่ามาก

ข้อผิดพลาดทั่วไป: การแสดงผลโดยพล็อตเฉพาะแท่งกราฟและแถบแสดงความคลาดเคลื่อน Weissgerber et al. (2015) โต้แย้งว่าข้อมูลต่อเนื่องที่มีขนาดตัวอย่างเล็กควรแสดงจุดแต่ละจุด เนื่องจากแท่งกราฟอาจซ่อนการกระจายที่แตกต่างกันมากไว้เบื้องหลังค่าเฉลี่ยเดียวกัน นอกจากนี้ ควรเริ่มต้นแกน y ที่ศูนย์: ความยาวของแท่งกราฟคือการเข้ารหัส

ตัวอย่างที่ตีพิมพ์: กราฟแท่งหนึ่งแท่งต่อผู้เข้าร่วมหนึ่งคน พร้อมช่วงความเชื่อมั่น (JAMA Network Open, 2026)

แผนภูมิแท่งสามารถนำมาใช้ได้ดีเมื่อแต่ละแท่งแทนบุคคลหนึ่งคน ในการทดลองแบบสุ่มสองทาง (double-blind N-of-1 trial) เกี่ยวกับการลดปริมาณยาแทมซูโลซินในผู้ชายสูงอายุ บาวเออร์และคณะได้ประเมินผลกระทบสำหรับผู้เข้าร่วมแต่ละคนแยกกัน และวาดแผนภูมิแท่งหนึ่งแท่งต่อผู้เข้าร่วมหนึ่งคน โดยเรียงลำดับจากผลกระทบของการรักษามากที่สุดไปจนถึงน้อยที่สุด

แผนภูมิแท่งแสดงผลการรักษาด้วยแทมซูโลซินเทียบกับยาหลอกในระดับรายบุคคล พร้อมช่วงความเชื่อมั่น 95% โดยแต่ละแท่งแสดงผลต่อผู้เข้าร่วมการทดลองหนึ่งคน เรียงลำดับจากผลมากที่สุดไปน้อยที่สุด
รูปก. ผลการรักษาในระดับบุคคลพร้อมช่วงความเชื่อมั่น 95% (A) และคะแนนอาการเฉลี่ยระหว่างกลุ่มยาหลอกกับกลุ่มรักษาต่อผู้เข้าร่วม (B) คัดลอกมาจาก Bauer SR et al. JAMA Netw Open. 2026;9(7):e2621639. doi:10.1001/jamanetworkopen.2026.21639. คัดลอกภายใต้ CC BY 4.0 ปรับขนาดสำหรับเว็บ ไม่มีการเปลี่ยนแปลงอื่นใด แตะที่รูปเพื่อเปิดดูขนาดเต็ม

สิ่งที่รายงานในเอกสาร:จากผู้เข้าร่วม 30 คนที่ทำตามขั้นตอนการทดลองครบถ้วน พบว่า 11 คน (36.7%) ได้รับผลกระทบจากแทมซูโลซินน้อยมากหรือไม่ได้รับผลกระทบเลย 11 คน (36.7%) ได้รับผลกระทบปานกลาง และ 4 คน (13.3%) ได้รับผลกระทบอย่างมาก ส่วนอีก 4 คนไม่สามารถทนต่อช่วงทดลองใช้ยาหลอกได้สิ่งที่ต้องคัดลอก:สีแสดงถึงประเภทของผลกระทบ และคำอธิบายระบุจำนวนผู้เข้าร่วม (n) สำหรับแต่ละประเภท (4, 11, 11) รหัสผู้เข้าร่วมอยู่ใต้แท่งกราฟแต่ละแท่ง คำบรรยายระบุแบบจำลองที่ใช้ในการประมาณค่า (แบบจำลองเชิงเส้นแบบผสมที่ปรับตามช่วงเวลา) และช่วงความคลาดเคลื่อน (95% CI) แผง B แสดงค่าเฉลี่ยของยาหลอกและการรักษาของแต่ละคนเป็นคู่ที่เชื่อมโยงกัน เพื่อให้ผู้อ่านเห็นค่าดิบที่อยู่เบื้องหลังผลกระทบ

แผนภาพกล่อง: เปรียบเทียบการกระจายและค่าผิดปกติ

แผนภาพกล่อง (Box plot) สรุปข้อมูลแต่ละกลุ่มโดยใช้ค่ามัธยฐาน ควาร์ไทล์ และพิสัย (Tukey 1977) เป็นวิธีที่เร็วที่สุดในการเปรียบเทียบการกระจายตัว โดยใช้สัตว์ 60 ตัวเดียวกัน วาดเป็นกล่อง:

แผนภูมิกล่องแสดงความยาวฟันของหนูตะเภาตามปริมาณและวิตามินซีเสริม โดยแสดงการกระจายที่แตกต่างกันที่ปริมาณ 2 มิลลิกรัมต่อวัน
รูป 2 กล่อง = ควาร์ไทล์ที่ 1 ถึง 3, เส้น = ค่ามัธยฐาน, หนวด = 1.5 เท่าของ IQR, จุด = ค่าผิดปกติ n = 10 ต่อกล่อง แหล่งที่มา: ToothGrowth (Crampton 1947) จัดทำโดย Editverse

วิธีการอ่านข้อมูล:ที่ปริมาณ 2 มิลลิกรัมต่อวัน ทั้งสองกลุ่มมีค่ามัธยฐานเท่ากับ 25.95 กลุ่มที่ได้รับน้ำส้มคั้นมีค่าตั้งแต่ 22.4 ถึง 30.9 (ส่วนเบี่ยงเบนมาตรฐาน 2.66) กลุ่มที่ได้รับวิตามินซีมีค่าตั้งแต่ 18.5 ถึง 33.9 (ส่วนเบี่ยงเบนมาตรฐาน 4.80) การทดสอบ t ของเวลช์ (Welch t-test) ให้ค่า t = -0.05, p = 0.96, ช่วงความเชื่อมั่น 95% อยู่ที่ -3.80 ถึง 3.64: ไม่พบความแตกต่างของค่าเฉลี่ย แต่มีความแปรปรวนที่แตกต่างกันอย่างชัดเจน การใช้ตารางค่าเฉลี่ยเพียงอย่างเดียวอาจพลาดความแตกต่างนี้ไป

ข้อผิดพลาดทั่วไป: อ่านแผนภาพกล่องที่มีจุด 10 จุดราวกับว่าเป็นข้อมูลที่มีการแจกแจงแบบราบเรียบ เนื่องจากค่า n มีขนาดเล็ก จึงสามารถวางจุดซ้อนทับกันหรือระบุค่า n ในคำอธิบายภาพได้

ตัวอย่างที่ตีพิมพ์: กรณีศึกษาแต่ละกรณีถูกวาดทับลงบนแท่งกราฟแต่ละแท่ง (JAMA Network Open, 2026)

หลักการเดียวกันนี้สามารถนำมาใช้ในงานวิจัยทางคลินิกได้เช่นกัน แม็คนามาราและคณะได้เปรียบเทียบปริมาณรังสีที่ผู้ทำการตรวจหัวใจด้วยคลื่นเสียงความถี่สูงได้รับ โดยสวมชุดตะกั่วแบบแขวน (95 ราย) หรือผ้ากันเปื้อนตะกั่วแบบดั้งเดิม (30 ราย) แผง A แสดงแต่ละกรณีเป็นจุดเหนือกรอบ แผง B และ C เปลี่ยนเป็นแท่งกราฟเพื่อแสดงเปอร์เซ็นต์ของกรณีที่มีปริมาณรังสีตรวจไม่พบ และกรณีที่มีปริมาณรังสีอย่างน้อย 20 ไมโครซีเวอร์ต

แผนภูมิกล่องแสดงจุดข้อมูลแต่ละจุดของปริมาณรังสีต่อกรณีสำหรับการใช้ผ้ากันเปื้อนตะกั่วแบบดั้งเดิมเทียบกับการใช้ชุดตะกั่วแบบแขวน พร้อมแผนภูมิแท่งแสดงปริมาณรังสีที่ตรวจไม่พบและปริมาณรังสี 20 ไมโครซีเวอร์ตขึ้นไป
รูป ข. ปริมาณรังสีต่อกรณีจำแนกตามประเภทการป้องกัน คัดลอกจาก McNamara DA et al. JAMA Netw Open. 2026;9(3):e2558134. doi:10.1001/jamanetworkopen.2025.58134. เผยแพร่ภายใต้ลิขสิทธิ์ CC BY 4.0 ปรับขนาดสำหรับเว็บ ไม่มีการเปลี่ยนแปลงอื่นใด แตะที่รูปเพื่อเปิดดูขนาดเต็ม

สิ่งที่บทความรายงานปริมาณรังสีเฉลี่ยอยู่ที่ 0.0 ไมโครซีเวอร์ต (IQR 0.0 ถึง 0.3) เมื่อใช้ชุดตะกั่วแบบแขวน เทียบกับ 10.6 (IQR 5.8 ถึง 24.1) เมื่อใช้ผ้ากันเปื้อนแบบดั้งเดิม P < .001 สิ่งที่ควรคัดลอกประการแรก จุด: กลุ่มที่ใช้ชุดตะกั่วแบบแขวนเป็นกลุ่มที่อยู่ใกล้ศูนย์ ซึ่งหากใช้เพียงกรอบสี่เหลี่ยมอย่างเดียวจะวาดเป็นเส้นตรง ประการที่สอง คำบรรยายภาพระบุว่าได้ลบค่าผิดปกติสุดขั้วออกจากแผง A เพื่อวัตถุประสงค์ในการแสดงผลกราฟิก และกำหนดกรอบสี่เหลี่ยม (ช่วงควาร์ไทล์) เส้นกลาง (ค่ามัธยฐาน) และหนวด (ค่าต่ำสุดและสูงสุดโดยไม่รวมค่าผิดปกติ) ประการที่สาม แท่งกราฟใช้สำหรับแสดงเปอร์เซ็นต์ของกรณีเท่านั้น ซึ่งความยาวของแท่งกราฟเป็นการเข้ารหัสที่ถูกต้อง

ฮิสโตแกรม: รูปทรงของค่าการวัดค่าหนึ่ง

ฮิสโตแกรมจะแบ่งค่าการวัดต่อเนื่องหนึ่งค่าออกเป็นช่วงๆ และนับจำนวนข้อมูลในแต่ละช่วง โดยจะตอบคำถามว่า “ตัวแปรนี้มีลักษณะอย่างไร” ข้อมูลที่ใช้คือการปะทุของน้ำพุร้อนโอลด์เฟธฟูลจำนวน 272 ครั้ง (อัซซาลินีและโบว์แมน 1990)

ฮิสโตแกรมแสดงระยะเวลาการปะทุของน้ำพุร้อนโอลด์เฟธฟูล โดยแบ่งออกเป็นสองกลุ่ม โดยมีค่าเฉลี่ยอยู่ตรงช่องว่างระหว่างกลุ่มทั้งสอง
รูป 3 ระยะเวลาการปะทุ แบ่งเป็นช่วงละ 0.25 นาที จำนวนตัวอย่าง n = 272 เส้นสีแดง = ค่าเฉลี่ย (3.49 นาที) ที่มา: faithful (Azzalini and Bowman 1990) จัดทำโดย Editverse

วิธีอ่านข้อมูลนี้มีจุดสูงสุดสองจุด คือใกล้ 2 นาทีและ 4.4 นาที ค่าเฉลี่ยอยู่ที่ 3.49 นาที และค่ามัธยฐานอยู่ที่ 4.0 นาที แต่มีเพียง 12 จาก 272 การปะทุ (4.4%) เท่านั้นที่กินเวลาระหว่าง 2.5 ถึง 3.5 นาที ค่าเฉลี่ยแทบจะไม่ได้อธิบายถึงการปะทุที่แท้จริงเลย การรายงานเพียงแค่ “ค่าเฉลี่ย 3.49, ส่วนเบี่ยงเบนมาตรฐาน 1.14” จะทำให้ผู้อ่านเข้าใจผิด

ข้อผิดพลาดทั่วไป: การสรุปตัวแปรที่มีสองจุดสูงสุด โดยมีค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานอย่างละหนึ่งค่า ควรวาดกราฟแสดงการกระจายตัวก่อนเลือกใช้สถิติสรุปเสมอ และควรทดสอบความกว้างของช่วงข้อมูลมากกว่าหนึ่งค่า

ตัวอย่างที่ตีพิมพ์: การเปรียบเทียบรูปร่างการกระจายด้วยแผนภาพไวโอลิน (JAMA Network Open, 2026)

เมื่อต้องการเปรียบเทียบรูปร่างของการกระจายตัวระหว่างกลุ่มต่างๆ แผนภูมิไวโอลิน (Hintze and Nelson 1998) จะสร้างฮิสโตแกรมแบบสะท้อนสำหรับแต่ละกลุ่ม Dias และคณะได้ใช้แผนภูมินี้สำหรับค่าใช้จ่ายด้านการดูแลสุขภาพรายปีในเด็กที่มีการวินิจฉัยทางพันธุกรรม (n = 86) และเด็กที่ไม่มีการวินิจฉัยทางพันธุกรรม (n = 169) หลังจากทำการลำดับจีโนมทั้งหมดแล้ว

แผนภูมิไวโอลินแสดงค่าใช้จ่ายด้านการดูแลสุขภาพรายปีสำหรับเด็กที่มีและไม่มีการวินิจฉัยทางพันธุกรรม โดยมีค่ามัธยฐานและขนาดตัวอย่างอยู่ใต้ไวโอลินแต่ละอัน
รูปที่ C. ค่าใช้จ่ายรายปีตามสถานะการวินิจฉัย คัดลอกจาก Dias JML และคณะ JAMA Netw Open. 2026;9(9):e2634372. doi:10.1001/jamanetworkopen.2026.34372. คัดลอกภายใต้ CC BY 4.0 ปรับขนาดสำหรับเว็บ ไม่มีการเปลี่ยนแปลงอื่นใด แตะที่รูปเพื่อเปิดดูขนาดเต็ม

ภาพแสดงอะไรบ้างค่าใช้จ่ายเฉลี่ยในการเข้ารับการรักษาอยู่ที่ 1,281 ปอนด์ต่อปีในกลุ่มที่ได้รับการวินิจฉัย เทียบกับ 795 ปอนด์ในกลุ่มที่ยังไม่ได้รับการวินิจฉัย (แผง A) ค่าใช้จ่ายเฉลี่ยในการสั่งยาอยู่ที่ 335 เทียบกับ 77 (แผง B, n = 84 และ 168) สิ่งที่ต้องคัดลอกไวโอลินแต่ละตัวมีขนาดตัวอย่างและค่ามัธยฐานอยู่ด้านล่าง และเส้นแนวนอนแสดงควอไทล์ เพื่อให้ผู้อ่านได้รับทั้งข้อมูลสรุปและรูปร่างของกราฟ คำอธิบายภาพระบุว่าใช้แกน y แบบ pseudo-log สำหรับค่าใช้จ่ายที่มีการเบี่ยงเบนไปทางขวาโดยคงค่าศูนย์ไว้ เนื่องจากแกนไม่เป็นเส้นตรง ให้อ่านค่าจากขีดบอกค่าและค่ามัธยฐานที่พิมพ์ไว้ ไม่ใช่จากการอ่านด้วยตาเปล่า

แผนภาพกระจาย: การวัดสองค่าร่วมกัน

แผนภาพกระจายจุดแสดงค่าการสังเกตแต่ละค่าที่แกน x และแกน y โดยจะตอบคำถามว่า “ค่าการวัดทั้งสองนี้เปลี่ยนแปลงไปพร้อมกันหรือไม่” ข้อมูลที่ใช้คือ น้ำหนักและอัตราการประหยัดน้ำมันของรถยนต์ 32 รุ่น (เฮนเดอร์สันและเวลเลแมน 1981)

แผนภาพกระจายจุดแสดงความสัมพันธ์ระหว่างน้ำหนักรถกับอัตราการประหยัดน้ำมัน พร้อมเส้นถดถอยที่ปรับให้เหมาะสมและช่วงความเชื่อมั่น
รูป 4 อัตราการประหยัดน้ำมันเชื้อเพลิงเทียบกับน้ำหนัก, n = 32, พร้อมการปรับเส้นตรงและช่วงความเชื่อมั่น 95% แหล่งที่มา: mtcars (Henderson และ Velleman 1981) จัดทำโดย Editverse

วิธีอ่านค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน r = -0.87 (ช่วงความเชื่อมั่น 95% -0.93 ถึง -0.74, p = 1.3e-10) ค่าความชันที่ได้จากการประมาณคือ -5.34 ไมล์ต่อแกลลอนต่อ 1,000 ปอนด์ และน้ำหนักอธิบายความแปรปรวนของอัตราการประหยัดน้ำมันเชื้อเพลิงได้ 75% (R-squared = 0.75) รายงานช่วงความเชื่อมั่น ไม่ใช่แค่ค่า r เท่านั้น เพราะค่าสหสัมพันธ์ที่ไม่มีช่วงความเชื่อมั่นจะซ่อนความคลาดเคลื่อนของค่าประมาณเอาไว้

ข้อผิดพลาดทั่วไป: การพิจารณาเส้นกราฟที่ได้จากการวิเคราะห์นั้นเป็นการพิสูจน์ว่าตัวแปรหนึ่งเป็นสาเหตุของอีกตัวแปรหนึ่ง กราฟแสดงให้เห็นถึงความสัมพันธ์ แต่ไม่สามารถตัดความเป็นไปได้ของปัจจัยที่สาม เช่น ขนาดเครื่องยนต์ ที่ส่งผลต่อทั้งสองตัวแปรได้

ตัวอย่างที่ตีพิมพ์: แผนภูมิกระจายจุดและแผนภูมิแสดงความสอดคล้อง (Nature Communications, 2026)

แผนภาพกระจายพร้อมสัมประสิทธิ์สหสัมพันธ์ตอบคำถามว่า “สิ่งเหล่านี้เคลื่อนที่ไปพร้อมกันหรือไม่” แต่ไม่ได้ตอบคำถามว่า “วิธีการทั้งสองสอดคล้องกันหรือไม่” บัทโกว์และคณะได้ทดสอบการประมาณปริมาตรเลือดในสมองโดยใช้หูฟังเทียบกับอุปกรณ์อ้างอิงทางคลินิกในผู้เข้าร่วมที่มีสุขภาพดี 23 คน และแสดงผลลัพธ์ทั้งสองแบบในรูปเดียวกัน

แผนภาพกระจายจุดแสดงปริมาตรเลือดที่คาดการณ์เทียบกับปริมาตรเลือดที่วัดได้ พร้อมเส้นแสดงความเท่ากันและค่า r = 0.94 รวมถึงแผนภาพแสดงความสอดคล้องแบบ Bland-Altman และแถบแสดงข้อผิดพลาดต่อผู้เข้าร่วมแต่ละคน
รูปที่ D. ปริมาตรเลือดที่สูบฉีดออกจากหัวใจโดยประมาณเทียบกับปริมาตรอ้างอิง (a, b), ข้อตกลง Bland-Altman (c, d) และข้อผิดพลาดต่อผู้เข้าร่วม (e) คัดลอกมาจาก Butkow KJ et al. Nat Commun. 2026;17(1):8755. doi:10.1038/s41467-026-75642-0. คัดลอกภายใต้ CC BY 4.0 ปรับขนาดสำหรับเว็บ ไม่มีการเปลี่ยนแปลงอื่นใด แตะที่รูปเพื่อเปิดดูขนาดเต็ม

สิ่งที่รายงานในเอกสาร:ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน r = 0.94 ระหว่างปริมาตรเลือดที่คาดการณ์เฉลี่ยกับปริมาตรเลือดอ้างอิง ค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ย 5.24 มิลลิลิตร และค่าความคลาดเคลื่อนร้อยละ 11.05% ในขอบเขตความสอดคล้อง ในแผง c ค่าความแตกต่างเฉลี่ยคือ -0.02 มิลลิลิตร โดยมีขอบเขตความสอดคล้อง 95% ตั้งแต่ -9.35 ถึง 9.3 มิลลิลิตรสิ่งที่ควรคัดลอก:แผง a เพิ่มเส้นแสดงความเท่ากัน (y = x) เพื่อให้ผู้อ่านเห็นความเบี่ยงเบนจากความสอดคล้องที่สมบูรณ์แบบ ไม่ใช่เพียงแค่แนวโน้ม แผง c และ d เพิ่มมุมมองของ Bland-Altman (Bland and Altman 1986) ซึ่งแสดงขนาดของความไม่สอดคล้อง ดูคำแนะนำของเราเกี่ยวกับขอบเขตความสอดคล้องและแผนภูมิความแตกต่างของอคติ

กราฟเส้น: การเปลี่ยนแปลงเมื่อเวลาผ่านไป

กราฟเส้นเชื่อมโยงข้อมูลที่เรียงลำดับกัน ทำให้สายตาติดตามแนวโน้มได้ ข้อมูลที่ใช้คือปริมาณน้ำไหลรายปีของแม่น้ำไนล์ที่เมืองอัสวาน ตั้งแต่ปี ค.ศ. 1871 ถึง 1970 (Cobb 1978)

กราฟเส้นแสดงปริมาณน้ำไหลรายปีของแม่น้ำไนล์ตั้งแต่ปี 1871 ถึง 1970 โดยมีเส้นแนวโน้มเชิงเส้นลดลง
รูป 5 อัตราการไหลรายปี, n = 100 ปี เส้นประ = แนวโน้มเชิงเส้น (-2.7 ต่อปี, ค่า R-squared 0.22) ที่มา: แม่น้ำไนล์ (Cobb 1978) จัดทำโดย Editverse

วิธีการอ่านข้อมูลแนวโน้มที่ได้จากการวิเคราะห์คือ -2.7 หน่วยต่อปี (R-squared 0.22, p = 1.1e-06) แต่ค่าที่ได้นั้นต่ำกว่าความเป็นจริง Cobb (1978) พบว่ามีการเปลี่ยนแปลงในปี 1898 ปริมาณการไหลเฉลี่ยอยู่ที่ 1,098 สำหรับปี 1871 ถึง 1898 (n = 28) และ 850 หลังจากนั้น (n = 72): ซึ่งลดลงประมาณ 248 หน่วย (Welch p = 7.3e-11) ข้อมูลแสดงให้เห็นถึงการเปลี่ยนแปลงอย่างฉับพลัน ไม่ใช่การลดลงอย่างช้าๆ

ข้อผิดพลาดทั่วไป: การลากเส้นตรงเส้นเดียวผ่านชุดข้อมูลที่มีการเปลี่ยนแปลงแบบขั้นบันได ควรสังเกตจุดเปลี่ยนก่อน เพราะเส้นแนวโน้มที่ลากผ่านจุดเปลี่ยนจะให้ข้อมูลอัตราที่ไม่ถูกต้องและข้อมูลที่ไม่ถูกต้องเช่นกัน

ตัวอย่างที่ตีพิมพ์: อนุกรมเวลาพร้อมช่วงความเชื่อมั่น (JAMA Network Open, 2026)

Matta และเพื่อนร่วมงานได้จัดทำแผนภูมิแสดงอัตราการเข้ารับบริการที่ห้องฉุกเฉินในรัฐออนแทรีโอ ประเทศแคนาดา ในแต่ละปีตั้งแต่ปี 2007 ถึง 2022 โดยแสดงการเข้ารับบริการทั้งหมด (n = 29,461,281) ในแผนภูมิ A และการเข้ารับบริการที่มีการวินิจฉัยโรคทางระบบทางเดินปัสสาวะ (n = 2,192,213) ในแผนภูมิ B

กราฟเส้นพร้อมแถบแสดงความคลาดเคลื่อนของจำนวนผู้เข้ารับบริการในห้องฉุกเฉินต่อประชากร 100 คนในรัฐออนแทรีโอ ตั้งแต่ปี 2007 ถึง 2022 โดยแบ่งเป็นการเข้ารับบริการทุกประเภทและการวินิจฉัยโรคทางระบบทางเดินปัสสาวะ
รูปที่ E. จำนวนผู้เข้ารับบริการในห้องฉุกเฉินต่อประชากร 100 คน ตั้งแต่ปี 2007 ถึง 2022 แถบแสดงข้อผิดพลาดแสดงช่วงความเชื่อมั่น 95% คัดลอกมาจาก Matta R et al. JAMA Netw Open. 2026;9(3):e2560058. doi:10.1001/jamanetworkopen.2025.60058. คัดลอกภายใต้ลิขสิทธิ์ CC BY 4.0 ปรับขนาดสำหรับเว็บ ไม่มีการเปลี่ยนแปลงอื่นใด แตะที่รูปเพื่อเปิดดูขนาดเต็ม

สิ่งที่รายงานในเอกสาร:อัตราการเข้ารับการตรวจทางระบบทางเดินปัสสาวะที่ปรับตามอายุและเพศเพิ่มขึ้นจาก 0.91 ต่อ 100 คนในปี 2007 เป็น 1.0 ในปี 2015 จากนั้นลดลงจนถึงปี 2020 สิ่งที่ควรคัดลอก:แสดงจุดหนึ่งจุดต่อปีพร้อมช่วงความเชื่อมั่น 95% ช่วงแกน y ที่เลือกให้แสดงการเปลี่ยนแปลงแทนที่จะใช้เส้นฐานเป็นศูนย์ (ยอมรับได้สำหรับกราฟเส้น แต่ไม่เหมาะสำหรับกราฟแท่ง) และใช้สองแผงแทนที่จะใช้แกนที่สอง การลดลงในช่วงปี 2020 สามารถมองเห็นได้อย่างชัดเจน เช่นเดียวกับตัวอย่างแม่น้ำไนล์ หากลากเส้นแนวโน้มตรงเส้นเดียวข้ามช่วงปีเหล่านี้ จะบดบังการลดลงนั้น

แก้ไข

แก้ไข
แนะนำสำหรับบทความนี้

ต้องการให้จัดเตรียมภาพประกอบเหล่านี้สำหรับวารสารของคุณหรือไม่?ส่งข้อมูลดิบ ภาพร่างคร่าวๆ หรือภาพประกอบที่มีอยู่แล้วมาให้เรา เราจัดเตรียมภาพประกอบได้มากถึง 10 ภาพในรูปแบบที่ตรงตามข้อกำหนดของวารสารเป้าหมายของคุณ

editverse.com
บริการการแสดงภาพข้อมูล
$300

ดูบริการ

สูงสุด 10 หลักPDF, PNG, EPS และ TIFF3 5-วันทำการ

แผนที่ความร้อน แผนภูมิวงกลม และแผนภูมิสองแกน: เมื่อใดที่พวกมันเหมาะสมกับการใช้งาน

กราฟทั้งสามนี้ได้รับความคิดเห็นจากผู้รีวิวมากที่สุด เนื่องจากแต่ละกราฟอาจทำให้เข้าใจผิดได้หากนำไปใช้ในบริบทที่ไม่เหมาะสม ด้านล่างนี้เป็นการวิเคราะห์ข้อมูลจริงของแต่ละกราฟ พร้อมตัวเลขที่ควรทราบ และหลักเกณฑ์ที่ใช้ตัดสินว่ากราฟนั้นเหมาะสมที่จะอยู่ในกลุ่มใด

แผนที่ความร้อน: ตารางขนาดใหญ่เกินกว่าจะอ่านเป็นตัวเลขได้

แผนที่ความร้อนจะระบายสีแต่ละช่องในตารางตามค่าของมัน ใช้เมื่อตารางตัวเลขมีขนาดใหญ่เกินกว่าจะสแกนได้ เช่น เมทริกซ์ความสัมพันธ์ระหว่างตัวแปรจำนวนมาก หรือนิพจน์ระหว่างตัวอย่างจำนวนมาก ตัวอย่างคือเมทริกซ์ความสัมพันธ์ของการวัดห้าค่าในรถยนต์ 32 รุ่น (Henderson และ Velleman 1981) ตัวแปรห้าตัวให้คู่เพียง 10 คู่ ดังนั้นตารางจึงเพียงพอในกรณีนี้ การออกแบบเดียวกันนี้สามารถขยายไปสู่ตัวแปรหลายสิบตัวได้ ซึ่งตารางไม่สามารถทำได้

แผนภูมิแสดงความสัมพันธ์แบบเพียร์สันระหว่างอัตราการประหยัดน้ำมัน น้ำหนัก กำลังม้า ขนาดเครื่องยนต์ และเวลาวิ่งควอเตอร์ไมล์ในรถยนต์ 32 คัน โดยมีค่า r พิมพ์กำกับ และใช้มาตราส่วนสีน้ำเงิน-ขาว-แดง
รูป 6 ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันระหว่างการวัดค่ารถยนต์ห้าค่า, n = 32 แหล่งที่มา: mtcars (Henderson และ Velleman 1981) จัดทำโดย Editverse

วิธีอ่านกราฟ:เซลล์สีน้ำเงินเคลื่อนที่ขึ้นพร้อมกัน เซลล์สีแดงเคลื่อนที่ไปในทิศทางตรงกันข้าม น้ำหนักและขนาดเครื่องยนต์มีความสัมพันธ์กันอย่างมาก (r = 0.89) และทั้งสองอย่างสัมพันธ์กับอัตราการสิ้นเปลืองน้ำมันเชื้อเพลิงที่ต่ำลง (r = -0.87 และ -0.85) เวลาในการวิ่งควอเตอร์ไมล์มีความสัมพันธ์กับน้ำหนักเพียงเล็กน้อย (r = -0.17) เนื่องจากค่าถูกพิมพ์ไว้ในแต่ละเซลล์ ผู้อ่านจึงไม่ต้องเดาตัวเลขจากเฉดสีเลย

มีสี่ทางเลือกที่ทำให้ข้อมูลน่าเชื่อถือ ได้แก่มาตราส่วนแบบแยกออกโดยมีจุดศูนย์กลางอยู่ที่ศูนย์และขีดจำกัดคงที่ตั้งแต่ -1 ถึง 1 ค่าที่พิมพ์ในทุกเซลล์ เฉพาะส่วนสามเหลี่ยมด้านล่างเท่านั้น เพราะครึ่งบนจะซ้ำกัน ชื่อตัวแปรเป็นคำพูด พร้อมหน่วยในคำอธิบายภาพ หลีกเลี่ยงมาตราส่วนสีรุ้ง: Crameri, Shephard และ Heron (2020) แสดงให้เห็นว่ามาตราส่วนดังกล่าวอาจทำให้ข้อมูลผิดเพี้ยนและกีดกันผู้อ่านที่มีความบกพร่องทางการมองเห็นสี

ข้อผิดพลาดทั่วไป: ใช้แผนที่ความร้อนแสดงความสัมพันธ์เป็นหลักฐานสำหรับแต่ละคู่ที่แสดง เมทริกซ์ของตัวแปร k ตัวจะมีสัมประสิทธิ์ k(k-1)/2 ตัว ดังนั้นตัวแปร 20 ตัวจะให้คู่ความสัมพันธ์ 190 คู่ และบางคู่จะดูมีความสัมพันธ์สูงโดยบังเอิญ ระบุวิธีการจัดการกับการเปรียบเทียบหลายรายการ และรายงานช่วงความเชื่อมั่นสำหรับคู่ใดๆ ที่คุณไฮไลต์

แผนภูมิวงกลม: ส่วนต่าง ๆ ของทั้งหมด เมื่อส่วนต่าง ๆ เหล่านั้นแตกต่างกันอย่างชัดเจนเพียงไม่กี่ส่วนเท่านั้น

แผนภูมิวงกลมแสดงให้เห็นว่าส่วนทั้งหมดแบ่งออกเป็นส่วนย่อยอย่างไร ผู้อ่านสามารถตัดสินตำแหน่งตามมาตราส่วนทั่วไปได้แม่นยำกว่ามุมหรือพื้นที่ (Cleveland and McGill 1984) ดังนั้นแผนภูมิวงกลมจึงใช้ได้ผลก็ต่อเมื่อมีเพียงไม่กี่ส่วนที่แตกต่างกันอย่างชัดเจน นี่คือจำนวนลูกไก่เท่ากันในกลุ่มอาหารหกกลุ่มที่วาดขึ้นทั้งสองแบบ (น้ำหนักลูกไก่, n = 71)

แผนภูมิวงกลมและแผนภูมิแท่งเรียงลำดับแสดงจำนวนลูกไก่ในกลุ่มอาหารหกกลุ่ม โดยแสดงให้เห็นว่าแผนภูมิแท่งทำให้การจัดอันดับอ่านง่ายขึ้น
รูป 7 ภาพแสดงจำนวนลูกไก่ในรูปแบบแผนภูมิวงกลม (A) และแผนภูมิแท่งเรียงลำดับ (B) แบ่งลูกไก่เป็น 6 กลุ่ม กลุ่มละ 10-14 ตัว ที่มา: chickwts (แพ็กเกจชุดข้อมูล R) จัดทำโดย Editverse

วิธีการอ่านข้อมูลในแผนภูมิวงกลม เมล็ดทานตะวัน เมล็ดแฟลกซ์ และเคซีน (อย่างละ 12 ตัว) เนื้อป่น (11 ตัว) และถั่วเหลือง (10 ตัว) ดูคล้ายกันมาก และไม่สามารถอ่านลำดับได้ ในแผนภูมิแท่งที่เรียงลำดับแล้ว ถั่วเหลือง (14 ตัว คิดเป็น 19.7%) นำหน้า และถั่วเหลือง (10 ตัว คิดเป็น 14.1%) ตามหลังอย่างเห็นได้ชัด โดยมีจำนวนพิมพ์อยู่ข้างๆ แต่ละแท่ง ควรใช้แผนภูมิวงกลมเฉพาะสำหรับ 2 ถึง 5 ส่วน โดยเว้นช่องว่างระหว่างส่วนต่างๆ ให้ชัดเจน และพิมพ์เปอร์เซ็นต์แต่ละรายการ มิฉะนั้น ให้เรียงลำดับหมวดหมู่และใช้แผนภูมิแท่งแทน

ข้อผิดพลาดทั่วไป: การใช้แผนภูมิวงกลมสำหรับหมวดหมู่หกหมวดขึ้นไป หรือสำหรับค่าที่ไม่สามารถรวมกันได้เป็นจำนวนเต็ม เช่น สัดส่วนของผู้ป่วยที่มีอาการหลายอย่างนั้น ไม่สามารถใช้เป็นแผนภูมิวงกลมได้ เพราะผู้ป่วยหนึ่งรายอาจมีอาการหลายอย่างพร้อมกัน

แผนภูมิสองแกน: สองมาตราส่วน หนึ่งเรื่องราวที่ผู้เขียนเลือก

แผนภูมิแกนคู่แสดงค่าสองค่าบนกราฟเดียวกัน โดยแต่ละค่ามีแกน y เป็นของตัวเอง ผู้เขียนสามารถเลือกมาตราส่วนได้ และการเลือกนั้นสามารถเปลี่ยนแปลงเรื่องราวได้ ตัวอย่างคือราคาปิดรายวันของดัชนีหุ้นยุโรปสองดัชนี ได้แก่ ดัชนี DAX ของเยอรมนีและดัชนี FTSE ของอังกฤษ ตั้งแต่ปี 1991 ถึง 1998 (1,860 วันทำการซื้อขาย)

แผนภูมิสามแบบแสดงค่ารายวันของดัชนี DAX และ FTSE ตั้งแต่ปี 1991 ถึง 1998: สองแบบเป็นแผนภูมิแกนคู่ที่บอกเล่าเรื่องราวที่แตกต่างกัน และอีกหนึ่งแบบเป็นแผนภูมิแกนเดียวที่แสดงดัชนี
รูป 8 ภาพแสดงอนุกรมข้อมูลสองชุดเดียวกัน โดยวาดด้วยมาตราส่วนแกนคู่สองแบบ (A, B) และบนแกนดัชนีเดียว (C) n = 1,860 วัน แหล่งที่มา: EuStockMarkets (แพ็กเกจชุดข้อมูล R) จัดทำโดย Editverse

วิธีการอ่านข้อมูลในแผง A แกนด้านขวาถูกยืดออกเพื่อให้เส้นทั้งสองมีความสูงเท่ากัน และดัชนี FTSE ดูเหมือนจะนำหน้าดัชนี DAX จนกระทั่ง DAX ตามทันในปี 1998 ในแผง B ข้อมูลเดียวกัน แต่แกนด้านขวาถูกเลื่อน ทำให้ดูเหมือนเส้นสองเส้นที่ไม่เคยมาบรรจบกัน แผง C นำทั้งสองมาไว้บนแกนเดียวกัน โดยกำหนดดัชนีเริ่มต้นที่ 100: DAX สิ้นสุดที่ประมาณ 336 และ FTSE ที่ประมาณ 223 เนื่องจาก DAX เพิ่มขึ้น 236% และ FTSE เพิ่มขึ้น 123% ซึ่งแผงข้อมูลแบบสองแกนทั้งสองแผงไม่ได้แสดงให้เห็นเช่นนั้น

สังเกตความสัมพันธ์ของอนุกรมแนวโน้มในช่วงเวลา 1,860 วัน ความสัมพันธ์ของดัชนีทั้งสองระดับคือ r = 0.975 แต่ส่วนใหญ่สะท้อนให้เห็นว่าทั้งสองระดับเพิ่มขึ้น ความสัมพันธ์ของผลตอบแทนรายวันแบบลอการิทึม ซึ่งตัดแนวโน้มร่วมออกไป คือ r = 0.64 (n = 1,859) ตัวเลขทั้งสองคำนวณอย่างอิสระใน R และ Python และสอดคล้องกัน

ตัวเลือกที่ปลอดภัยกว่าจัดทำดัชนีอนุกรมทั้งสองไปยังเส้นฐานร่วมกันบนแกนเดียว (แผง C) หรือซ้อนแผงสองแผงที่ใช้แกน x ร่วมกัน หากคุณต้องใช้แกนสองแกน ให้ระบายสีแกนแต่ละแกนให้ตรงกับเส้นของมัน ระบุหน่วย และระบุตัวเลือกมาตราส่วนในคำอธิบายภาพ Isenberg และเพื่อนร่วมงาน (2011) ศึกษาว่าผู้อ่านตีความแผนภูมิมาตราส่วนคู่ได้อย่างไร

ข้อผิดพลาดทั่วไป: การเลือกช่วงแกนเพื่อให้ชุดข้อมูลสองชุดที่ไม่เกี่ยวข้องกันเรียงตัวกัน การจับคู่ทางสายตาที่เกิดจากการเลือกมาตราส่วนนั้นไม่ใช่หลักฐานแสดงถึงความสัมพันธ์

รายการตรวจสอบก่อนส่งรูปภาพ

  • ประเภทของกราฟต้องตรงกับคำถาม (ดูตารางด้านบน)
  • แกนของกราฟแท่งเริ่มต้นที่ศูนย์ และจะแสดงจุดแต่ละจุดเมื่อ n มีค่าน้อย
  • คำอธิบายภาพระบุค่า n, แถบหรือช่วงความคลาดเคลื่อนที่แสดงถึง และแหล่งที่มาของข้อมูล
  • สีต่างๆ ยังคงแยกแยะได้ชัดเจนในรูปแบบขาวดำ และเหมาะสำหรับผู้ที่มีภาวะตาบอดสี
  • ข้อความสามารถอ่านได้ชัดเจนตามความกว้างคอลัมน์การพิมพ์ของวารสารเป้าหมายของคุณ
  • แกนกราฟมีป้ายกำกับหน่วย ไม่มีการตกแต่งกราฟที่ไม่จำเป็น (เช่น เอฟเฟกต์ 3 มิติ เงา)

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับหลักการ: Rougier, Droettboom และ Bourne (2014) ได้กำหนดกฎสิบข้อสำหรับการสร้างกราฟที่ดีขึ้น และ Midway (2020) ครอบคลุมหลักการออกแบบสำหรับการแสดงข้อมูลด้วยภาพที่มีประสิทธิภาพ ทั้งสองเอกสารอ้างอิงไว้ด้านล่างพร้อม DOI สำหรับความแตกต่างระหว่างกราฟแท่งและฮิสโตแกรมโดยละเอียด โปรดดูที่กราฟแท่งเทียบกับฮิสโตแกรม และสำหรับการจับคู่กราฟกับการทดสอบทางสถิติ โปรดดูที่การเลือกการทดสอบทางสถิติที่เหมาะสม

เครื่องมือวิจัยฟรีสำหรับการสร้างกราฟเหล่านี้

เครื่องมือวิจัยฟรีจาก Editverse

  • กราฟโปรสร้างแผนภูมิพร้อมเผยแพร่ได้ 25 แบบ พร้อมฟังก์ชันคำนวณค่า p-value ของ t-test, ANOVA, ความสัมพันธ์ และไคสแควร์ ในตัว ฟรี ไม่ต้องลงทะเบียน
  • สแตทโปร: เครื่องมือคำนวณทางสถิติฟรี และเครื่องมือเลือกแบบทดสอบที่ครอบคลุมการเปรียบเทียบกลุ่ม ผลลัพธ์เชิงหมวดหมู่ การวิเคราะห์ระยะเวลาจนถึงเหตุการณ์ และความแม่นยำในการวินิจฉัย
  • โฟลว์ชาร์ท โปร: สร้างแผนผังกระบวนการทำงาน PRISMA 2020, PRISMA-ScR, CONSORT, STROBE, STARD, MOOSE และ ARRIVE ได้โดยตรงในเบราว์เซอร์ของคุณ

ตัวเลขทางวิชาชีพและการวิเคราะห์ทางสถิติ

หากผลการวิจัยของคุณพร้อมแล้ว และคุณต้องการภาพประกอบที่ผู้ตรวจทานจะไม่ส่งคืน นักสถิติและนักออกแบบภาพประกอบของ Editverse จะสร้างภาพประกอบเหล่านั้นให้ตรงตามข้อกำหนดด้านความกว้างของคอลัมน์ แบบอักษร และสีของวารสารเป้าหมายของคุณ หากการวิเคราะห์ยังไม่เสร็จสมบูรณ์ แพ็กเกจทางสถิติด้านล่างจะทำการวิเคราะห์ก่อน

ตัวเลข

$300

ภาพประกอบพร้อมตีพิมพ์สูงสุด 10 ภาพ ในรูปแบบ PDF (เวกเตอร์), PNG, EPS และ TIFF จัดรูปแบบให้เหมาะสมกับวารสารเป้าหมายของคุณ ใช้เวลาดำเนินการ 3-5 วันทำการ

ดูรายละเอียดแพ็กเกจ →

การวิเคราะห์และการทบทวน

$475

การตรวจสอบการออกแบบการศึกษา การวิเคราะห์พร้อมตรวจสอบสมมติฐาน ตารางและแผนภาพที่มีคุณภาพสำหรับการตีพิมพ์ และส่วนวิธีการทางสถิติที่เป็นลายลักษณ์อักษร 5-10 วันทำการ

ดูรายละเอียดแพ็กเกจ →

การวิเคราะห์ขั้นสูง

$750

การวิเคราะห์การถดถอย โมเดลแบบผสม การวิเคราะห์การอยู่รอด และคะแนนความโน้มเอียงสำหรับการออกแบบที่ซับซ้อน 5-7 วันทำการ

ดูรายละเอียดแพ็กเกจ →

กำลังเขียนต้นฉบับฉบับเต็มโดยอ้างอิงจากตัวเลขเหล่านี้ใช่ไหม? ดูบริการเขียนต้นฉบับได้ที่นี่ แนวทางการปฏิบัติของ Editverse สอดคล้องกับ COPE, ICMJE และ GPP 2022

สรุป

เลือกกราฟจากคำถาม แสดงจุดข้อมูลดิบเมื่อทำได้ และอ่านตัวเลขก่อนเขียนคำอธิบายภาพ กราฟทั้งห้าข้างต้นบอกเล่าเรื่องราวที่แตกต่างกันจากข้อมูลสรุปแบบเดียวกัน: ค่าเฉลี่ยที่เหมือนกันแต่มีการกระจายตัวต่างกัน ค่าเฉลี่ยที่ไม่ได้อธิบายถึงการเปลี่ยนแปลงที่แท้จริง แนวโน้มที่ซ่อนการเปลี่ยนแปลงขั้นบันได นั่นคือสิ่งที่ผู้ตรวจทานมองหา

คำถามที่พบบ่อย (FAQs)

กราฟประเภทหลักที่ใช้ในการวิจัยมีอะไรบ้าง?

กราฟแท่ง แผนภาพกล่อง ฮิสโตแกรม แผนภาพกระจาย และกราฟเส้น ครอบคลุมส่วนแสดงผลลัพธ์ส่วนใหญ่ แผนที่ความร้อน แผนภูมิวงกลม และแผนภูมิแกนคู่ เหมาะสำหรับงานที่เฉพาะเจาะจงกว่า เลือกใช้กราฟตามคำถามที่คุณกำลังตอบ ไม่ใช่ตามความเคยชิน

ฉันควรใช้กราฟใดในการเปรียบเทียบสองกลุ่ม?

ใช้กราฟแท่งที่มีจุดข้อมูลทุกจุดซ้อนทับอยู่ หรือแผนภาพกล่อง ในตัวอย่างของหนูตะเภาข้างต้น กลุ่มทั้งสองมีค่าเฉลี่ยประมาณ 26 ไมครอน แต่ค่าความแปรปรวนแตกต่างกันเกือบสองเท่า

ฉันควรใช้ฮิสโตแกรมแทนกราฟแท่งเมื่อใด?

ใช้ฮิสโตแกรมสำหรับค่าการวัดต่อเนื่องค่าเดียว เช่น เวลาที่ผื่นขึ้น หรือความดันโลหิต เพราะจะแสดงการกระจายตัวของข้อมูล ส่วนกราฟแท่งใช้สำหรับเปรียบเทียบค่าเฉลี่ยของแต่ละหมวดหมู่หรือกลุ่ม

แผนภาพกระจายจุดพิสูจน์ได้หรือไม่ว่าตัวแปรหนึ่งเป็นสาเหตุของอีกตัวแปรหนึ่ง?

ไม่ ในข้อมูลรถยนต์ น้ำหนักและอัตราการสิ้นเปลืองเชื้อเพลิงมีค่าสัมประสิทธิ์สหสัมพันธ์ r = -0.87 แต่กราฟแสดงเพียงความสัมพันธ์เท่านั้น การกล่าวอ้างเชิงสาเหตุจำเป็นต้องมีการออกแบบการศึกษา ไม่ใช่แค่เส้นแนวโน้ม

แกน y ของกราฟแท่งควรเริ่มต้นที่ศูนย์เสมอหรือไม่?

ใช่แล้ว ความยาวของแท่งกราฟแสดงถึงค่า ดังนั้นแกนที่ถูกตัดทอนจะทำให้ความแตกต่างดูเกินจริง กราฟเส้นและแผนภาพกระจายจุดไม่มีข้อจำกัดนั้น

เหตุใดวารสารจึงขอข้อมูลรายจุดแต่ละรายการ?

แผนภูมิแท่งและค่าเฉลี่ยซ่อนขนาดตัวอย่างและการกระจายตัวไว้ ไวส์เกอร์เบอร์และคณะ (2015, PLOS Biology) แสดงให้เห็นว่าบทความจำนวนมากในวารสารสรีรวิทยาแสดงข้อมูลต่อเนื่องที่มีขนาดตัวอย่างเล็กในรูปแบบแผนภูมิแท่งหรือแผนภูมิเส้น ซึ่งไม่สามารถเปิดเผยการกระจายตัวที่แท้จริงได้

ฮิสโตแกรมควรมีกี่ช่วง (bin)?

ไม่มีกฎตายตัว ลองใช้ความกว้างอย่างน้อยสองแบบ แล้วเลือกแบบที่แสดงโครงสร้างได้ชัดเจนโดยไม่มีสัญญาณรบกวน ฮิสโตแกรมของ Old Faithful ใช้ช่วงเวลา 0.25 นาที

กราฟใดแสดงการเปลี่ยนแปลงเมื่อเวลาผ่านไปได้ดีที่สุด?

กราฟเส้น ตรวจสอบการเปลี่ยนแปลงแบบก้าวกระโดดก่อนที่จะลากเส้นแนวโน้มตรง: ปริมาณน้ำในแม่น้ำไนล์ลดลงประมาณ 248 หน่วยหลังปี 1898 ซึ่งเส้นแนวโน้มเส้นเดียวประเมินค่าต่ำกว่าความเป็นจริง

แผนภูมิแกนคู่คืออะไร และเมื่อใดจึงจะปลอดภัย?

ฟังก์ชันนี้แสดงค่าการวัดสองค่าที่มีมาตราส่วนต่างกันบนกราฟเดียวกัน การใช้งานจะปลอดภัยก็ต่อเมื่อแกนทั้งสองมีป้ายกำกับ และมาตราส่วนไม่ได้ถูกเลือกเพื่อให้ดูสอดคล้องกัน มิเช่นนั้นควรใช้สองแผงกราฟแทน

เมื่อใดที่แผนที่ความร้อนดีกว่าตาราง?

เมื่อตารางมีขนาดใหญ่เกินกว่าจะอ่านเป็นตัวเลขได้ เช่น เมทริกซ์ความสัมพันธ์ระหว่างตัวแปรจำนวนมาก ให้พิมพ์ค่าในแต่ละเซลล์ จัดวางมาตราส่วนแบบแยกออกให้อยู่ตรงกลางที่ศูนย์ และหลีกเลี่ยงการใช้มาตราส่วนสีรุ้ง

เหตุใดจึงไม่แนะนำให้ใช้แผนภูมิวงกลมในการเปรียบเทียบหมวดหมู่?

ผู้อ่านสามารถตัดสินตำแหน่งบนมาตราส่วนทั่วไปได้แม่นยำกว่าการตัดสินมุม (Cleveland and McGill 1984) ในตัวอย่างอาหารลูกไก่ ชิ้นส่วนที่เกือบเท่ากันหกชิ้นไม่สามารถจัดลำดับได้จากแผนภูมิวงกลม ในขณะที่แผนภูมิแท่งที่เรียงลำดับจะแสดงลำดับได้ในทันที

ฉันสามารถนำรูปภาพจากบทความที่ตีพิมพ์แล้วมาใช้ซ้ำในต้นฉบับของฉันเองได้หรือไม่?

เฉพาะในกรณีที่ใบอนุญาตอนุญาตเท่านั้น รูปภาพที่อยู่ภายใต้ใบอนุญาต CC BY 4.0 สามารถนำกลับมาใช้ใหม่ได้โดยต้องระบุชื่อผู้เขียน ใส่ลิงก์ไปยังใบอนุญาต และระบุรายละเอียดการเปลี่ยนแปลงใดๆ สำหรับใบอนุญาตอื่นๆ โปรดขออนุญาตจากสำนักพิมพ์ หรือวาดรูปภาพใหม่จากข้อมูลของคุณเอง คู่มือของเราเกี่ยวกับการขออนุมัติลิขสิทธิ์สำหรับรูปภาพจะอธิบายขั้นตอนต่างๆ

ฉันสามารถสร้างกราฟเหล่านี้ได้โดยไม่ต้องเขียนโค้ดหรือไม่?

ใช่แล้ว GraphPro สร้างแผนภูมิได้ 25 รูปแบบในเบราว์เซอร์ พร้อมฟังก์ชันคำนวณค่า p-value ของ t-test, ANOVA, ความสัมพันธ์ และไคสแควร์ในตัว ใช้งานได้ฟรีและไม่ต้องลงทะเบียน

อ้างอิง

  1. Rougier NP, Droettboom M, Bourne PE. สิบกฎง่ายๆ เพื่อภาพประกอบที่ดีขึ้น PLoS Comput Biol. 2014;10(9):e1003833. doi:10.1371/journal.pcbi.1003833
  2. Weissgerber TL, Milic NM, Winham SJ, Garovic VD. นอกเหนือจากกราฟแท่งและกราฟเส้น: ถึงเวลาสำหรับกระบวนทัศน์การนำเสนอข้อมูลแบบใหม่ PLoS Biol. 2015;13(4):e1002128. doi:10.1371/journal.pbio.1002128
  3. Midway SR. หลักการของการแสดงภาพข้อมูลที่มีประสิทธิภาพ. Patterns. 2020;1(9):100141. doi:10.1016/j.patter.2020.100141
  4. Crampton EW. การเจริญเติบโตของเซลล์สร้างเนื้อฟันของฟันหน้าเป็นเกณฑ์ในการประเมินปริมาณวิตามินซีที่หนูตะเภาได้รับ J Nutr. 1947;33(5):491-504. doi:10.1093/jn/33.5.491
  5. Azzalini A, Bowman AW. การพิจารณาข้อมูลบางส่วนเกี่ยวกับน้ำพุร้อน Old Faithful. Appl Stat. 1990;39(3):357-365. doi:10.2307/2347385
  6. Henderson HV, Velleman PF. การสร้างแบบจำลองการถดถอยหลายตัวแปรแบบโต้ตอบ Biometrics. 1981;37(2):391-411. doi:10.2307/2530428
  7. Cobb GW. ปัญหาของแม่น้ำไนล์: วิธีแก้ปัญหาแบบมีเงื่อนไขสำหรับปัญหาจุดเปลี่ยน Biometrika. 1978;65(2):243-251. doi:10.1093/biomet/65.2.243
  8. McNamara DA, Decker JM, McNamara MW และคณะ ชุดตะกั่วแขวนและการสัมผัสรังสีในผู้ทำการตรวจหัวใจด้วยคลื่นเสียงความถี่สูงแบบแทรกแซง JAMA Netw Open. 2026;9(3):e2558134. doi:10.1001 / jamanetworkopen.2025.58134
  9. Bauer SR, Kenfield SA, Oni-Orisan A และคณะ การลดการใช้ยา Tamsulosin สำหรับอาการทางเดินปัสสาวะส่วนล่างในผู้ชายสูงอายุ: การทดลองทางคลินิกแบบสุ่ม JAMA Netw Open. 2026;9(7):e2621639. doi:10.1001 / jamanetworkopen.2026.21639
  10. Dias JML, More RP, Butler D และคณะ การวินิจฉัยโรคผ่านการลำดับจีโนมทั้งหมดและการใช้บริการดูแลรักษาในเด็กที่มีอาการป่วยรุนแรง JAMA Netw Open. 2026;9(9):e2634372. doi:10.1001 / jamanetworkopen.2026.34372
  11. Butkow KJ, Jalaludeen N, Liu Y และคณะ การวัดปริมาตรเลือดที่หัวใจสูบฉีดในแต่ละครั้งโดยใช้การตรวจจับเสียงผ่านหูฟัง Nat Commun. 2026;17(1):8755. doi:10.1038/s41467-026-75642-0
  12. Matta R, Shaw J, Mohamud H และคณะ การเข้าพบแพทย์ที่ห้องฉุกเฉิน การเข้ารับการรักษาในโรงพยาบาล และระยะเวลารอคอยสำหรับผู้ป่วยที่มีภาวะทางระบบทางเดินปัสสาวะ JAMA Netw Open. 2026;9(3):e2560058. doi:10.1001 / jamanetworkopen.2025.60058
  13. Bland JM, Altman DG. วิธีทางสถิติสำหรับการประเมินความสอดคล้องระหว่างสองวิธีการวัดทางคลินิก Lancet. 1986;327(8476):307-310. doi:10.1016/S0140-6736(86)90837-8
  14. Hintze JL, Nelson RD. แผนภาพไวโอลิน: การทำงานร่วมกันของแผนภาพกล่องและร่องรอยความหนาแน่น Am Stat. 1998;52(2):181-184. doi:10.1080/00031305.1998.10480559
  15. Cleveland WS, McGill R. การรับรู้เชิงกราฟิก: ทฤษฎี การทดลอง และการประยุกต์ใช้ในการพัฒนาวิธีการเชิงกราฟิก J Am Stat Assoc. 1984;79(387):531-554. doi:10.1080/01621459.1984.10478080
  16. Crameri F, Shephard GE, Heron PJ. การใช้สีในทางที่ผิดในการสื่อสารวิทยาศาสตร์ Nat Commun. 2020;11(1). doi:10.1038/s41467-020-19160-7
  17. Isenberg P, Bezerianos A, Dragicevic P, Fekete JD. การศึกษาเกี่ยวกับแผนภูมิข้อมูลสองมาตราส่วน IEEE Trans Vis Comput Graph. 2011;17(12):2469-2478. doi:10.1109/TVCG.2011.160
  18. Tukey JW. การวิเคราะห์ข้อมูลเชิงสำรวจ. เรดดิง, แมสซาชูเซตส์: Addison-Wesley; 1977.

ภาพประกอบที่ตีพิมพ์ (ภาพ A ถึง E) นำมาแสดงซ้ำภายใต้ลิขสิทธิ์ CC BY 4.0 จากเอกสารวิจัยห้าฉบับที่ระบุไว้ในส่วนท้ายของรายการอ้างอิง ชุดข้อมูล: ToothGrowth, faithful, mtcars, Nile, chickwts และ EuStockMarkets จากแพ็กเกจชุดข้อมูล R สถิติทั้งหมดสร้างขึ้นใหม่โดยอิสระใน R และ Python