แผนผังกล่องและแผนภาพหนวดเครา: การแสดงภาพการกระจายข้อมูลในการวิจัย

เผยแพร่เมื่อ 20 มิถุนายน 2026 | อัปเดตล่าสุด10 สิงหาคม 2026

แผนภูมิกล่อง ( หรือที่เรียกว่าแผนภูมิกล่องและหนวด) เปลี่ยนคอลัมน์ของตัวเลขให้เป็นจุดสังเกตห้าจุดที่คุณสามารถอ่านได้ในไม่กี่วินาที ได้แก่ ค่าต่ำสุด ควาร์ไทล์ที่หนึ่ง ค่ามัธยฐาน ควาร์ไทล์ที่สาม และค่าสูงสุด นักวิจัยมักใช้แผนภูมินี้ในส่วนผลลัพธ์ เพราะมันรวบรวมค่ากลาง การกระจาย และรูปร่างของข้อมูลไว้ในรูปทรงที่คงรูปแม้จะย่อขนาดลงสำหรับรูปแบบวารสารแบบสองคอลัมน์ ต่อไปนี้ เราจะอธิบายว่าแต่ละส่วนของแผนภูมิกล่องแสดงถึงอะไร กฎ 1.5×IQR สำหรับการระบุค่าผิดปกติมาจากไหน เมื่อใดที่แผนภูมิไวโอลินหรือแผนภูมิเมฆฝนเหมาะสมกับข้อมูลมากกว่า และข้อผิดพลาดที่พบได้บ่อยที่สุดในต้นฉบับที่นักสถิติของเราตรวจสอบ

ประเด็นที่สำคัญ

• แผนภาพกล่องแสดงจุดสังเกตห้าจุด ได้แก่ ค่าต่ำสุด ควาร์ไทล์ที่ 1 ค่ามัธยฐาน ควาร์ไทล์ที่ 3 และค่าสูงสุด รวมถึงจุดใดๆ ที่ถูกระบุว่าเป็นค่าผิดปกติ
• การกำหนดขอบเขต 1.5 เท่าของ IQR สำหรับค่าผิดปกติเป็นเพียงธรรมเนียมปฏิบัติที่จอห์น ทูคีย์นำมาใช้ ไม่ใช่กฎตายตัว และซอฟต์แวร์ส่วนใหญ่ช่วยให้คุณสามารถเปลี่ยนตัวคูณได้
• ความกว้างของกล่องไม่มีความหมายทางสถิติ เว้นแต่ว่าแผนภูมิจะถูกสร้างขึ้นโดยเฉพาะเป็นแผนภูมิกล่องที่มีความกว้างแปรผันและปรับขนาดตามขนาดของกลุ่มตัวอย่าง
• แผนภาพกล่องเดี่ยวอาจซ่อนการกระจายแบบหลายยอด ซึ่งแผนภาพไวโอลินหรือแผนภาพเมฆฝนจะแสดงให้เห็นได้ทันที
• การที่กล่องซ้อนทับกันหรือไม่ซ้อนทับกันนั้นเป็นเพียงภาพลวงตา ไม่ใช่สิ่งที่จะมาทดแทนการทดสอบสมมติฐานที่แท้จริงได้

สิ่งที่แผนภาพกล่องแสดง: ค่ามัธยฐาน ควาร์ไทล์ และช่วงควาร์ไทล์

แผนภาพกล่องมาตรฐานทุกอันสร้างขึ้นจากค่าสรุปห้าค่าเดียวกัน เรียงลำดับข้อมูลจากน้อยไปมาก จากนั้นหาค่าที่แบ่งข้อมูลออกเป็นสองส่วนเท่าๆ กัน (ค่ามัธยฐาน) ค่าที่แบ่งครึ่งล่างออกเป็นสองส่วนเท่าๆ กันอีกครั้ง (ควาร์ไทล์ที่หนึ่ง, Q1) และค่าที่แบ่งครึ่งบนออกเป็นสองส่วนเท่าๆ กัน (ควาร์ไทล์ที่สาม, Q3) นำค่าที่น้อยที่สุดและมากที่สุดที่ไม่ถูกระบุว่าเป็นค่าผิดปกติมาบวกกัน คุณก็จะได้ค่าทั้งห้าค่าที่ใช้สร้างแผนภาพกล่อง

ตามคำจำกัดความแล้ว กรอบสี่เหลี่ยมจะครอบคลุมช่วง Q1 ถึง Q3 และจะบรรจุข้อมูล 50% ตรงกลางเสมอ ไม่ว่าข้อมูลจะกระจายตัวอย่างไรก็ตาม ช่วงนั้นเรียกว่าช่วงควาร์ไทล์ หรือ IQR ซึ่งคำนวณจาก Q3 ลบด้วย Q1 กรอบสี่เหลี่ยมที่สั้นหมายความว่าข้อมูลครึ่งกลางอยู่ใกล้กัน และกรอบสี่เหลี่ยมที่สูงหมายความว่าข้อมูลกระจายตัวออกไป ตำแหน่งของเส้นมัธยฐานภายในกรอบสี่เหลี่ยมก็ให้ข้อมูลที่สำคัญเช่นกัน มัธยฐานที่อยู่ใกล้ด้านล่างและมีหนวดด้านบนยาวบ่งชี้ถึงการกระจายตัวแบบเบ้ขวา คือมีค่าสูงผิดปกติดึงค่าเฉลี่ยให้อยู่เหนือมัธยฐาน ในขณะที่มัธยฐานที่อยู่ใกล้ด้านบนและมีหนวดด้านล่างยาวบ่งชี้ถึงการกระจายตัวแบบเบ้ขวา

ทั้งหมดนี้ไม่ได้หมายความว่าข้อมูลจะต้องมีการกระจายแบบปกติ นั่นเป็นเหตุผลที่แผนภาพกล่องมักปรากฏให้เห็นบ่อยครั้งสำหรับค่าทางห้องปฏิบัติการ คะแนนอาการ ข้อมูลต้นทุน และการวัดอื่นๆ ที่ในทางปฏิบัติมักไม่เป็นไปตามเส้นโค้งระฆังที่เรียบร้อย

กฎ Whiskers และค่าผิดปกติ 1.5×IQR

หนวดเคราจะลากจากปลายแต่ละด้านของกล่องไปยังค่าสุดขั้วที่ไม่ถือว่าเป็นค่าผิดปกติ R's boxplot()Matplotlib และ seaborn ของ Python, SPSS และ Stata ต่างใช้รูปแบบการกำหนดค่าเริ่มต้นเดียวกัน คือ การกำหนดขอบเขตไว้ที่ 1.5 เท่าของ IQR เหนือแต่ละควอไทล์

เส้นหนวด (whisker) ไม่ได้ทอดยาวไปจนถึงขอบเขต (fence) มันจะหยุดอยู่ที่จุดข้อมูลจริงที่อยู่สุดขอบซึ่งยังคงอยู่ภายในขอบเขตนั้น ซึ่งอธิบายได้ว่าทำไมชุดข้อมูลสองชุดที่มีขอบเขตเหมือนกันจึงสามารถสร้างเส้นหนวดที่มีความยาวแตกต่างกันอย่างเห็นได้ชัด

ตัวคูณ 1.5 นั้นไม่ใช่กฎธรรมชาติ นักสถิติ จอห์น ทูคีย์ ได้สร้างมันขึ้นมาในแผนภาพกล่อง (box plot) เมื่อเขาแนะนำเทคนิคนี้ในฐานะส่วนหนึ่งของชุดเครื่องมือวิเคราะห์ข้อมูลเชิงสำรวจ (exploratory data analysis) ในช่วงประมาณปี 1970 และต่อมาได้ทำให้มันเป็นทางการในหนังสือExploratory Data Analysis ของเขาในปี 1977 แผนภาพกล่องของทูคีย์มีต้นแบบมาจากแผนภูมิแท่งช่วง (range-bar chart) ที่แมรี เอลีนอร์ สเปียร์ ใช้ในการสร้างแผนภูมิทางสถิติมาตั้งแต่ต้นทศวรรษ 1950 สิ่งที่ทูคีย์เพิ่มเข้ามาคือการเลือกควอไทล์ ค่ามัธยฐาน และตัวคูณคงที่อย่างเฉพาะเจาะจง เพื่อเป็นข้อมูลสรุปที่คุ้มค่าแก่การวาดด้วยมืออย่างรวดเร็ว จากแผนภาพต้นและใบ (stem-and-leaf plot)

เนื่องจาก 1.5 เป็นตัวเลือก ไม่ใช่ค่าที่ได้จากการคำนวณ นักวิจัยจึงสามารถใช้ตัวคูณอื่นได้เมื่อค่าเริ่มต้นระบุว่ามีจุดมากเกินไปหรือน้อยเกินไปสำหรับฟิลด์ที่กำหนด SPSS และแพ็กเกจ R หลายตัวแสดงค่านี้โดยตรง สิ่งสำคัญสำหรับต้นฉบับงานวิจัยคือการระบุอย่างชัดเจนในวิธีการหรือคำอธิบายภาพว่าใช้ตัวคูณใด เนื่องจากผู้ตรวจสอบที่เปรียบเทียบจำนวนค่าผิดปกติของคุณกับสัญชาตญาณของตนเองจำเป็นต้องทราบกฎที่ใช้

ตัวอย่างการใช้งาน: การอ่านแผนภาพกล่องด้วยภาษาที่เข้าใจง่าย

การระบุตัวเลขจะง่ายขึ้นเมื่อคุณฝึกอ่านตัวเลขจากรูปภาพแล้ว ลองเปรียบเทียบเวลาในการฟื้นตัว (เป็นวัน) หลังจากการผ่าตัดเล็กสองแบบ โดยมีผู้ป่วยกลุ่มละ 40 คน

จากการอ่านข้อมูลกลุ่ม A ด้วยภาษาที่เข้าใจง่าย พบว่าครึ่งหนึ่งของผู้ป่วยกลุ่มนี้หายดีภายใน 7 วัน และผู้ป่วยที่ฟื้นตัวช้าที่สุดในกลุ่มก็ยังหายดีภายในสองสัปดาห์ กรอบข้อมูลแคบ (ช่วงควาร์ไทล์ 4 วัน) และสมมาตรโดยประมาณ ดังนั้นจึงไม่มีอะไรเกี่ยวกับรูปร่างที่ต้องกล่าวถึงเป็นพิเศษ

กลุ่ม B บอกเล่าเรื่องราวที่แตกต่างออกไป ผู้ป่วยโดยทั่วไปใช้เวลานานกว่าอย่างเห็นได้ชัดในการฟื้นตัว ค่ามัธยฐานอยู่ที่ 11 วัน เทียบกับ 7 วัน และกรอบเวลาเองก็กว้างกว่าสองเท่า โดยมีค่า IQR อยู่ที่ 10 วัน เทียบกับ 4 วัน ซึ่งหมายความว่าเวลาในการฟื้นตัวแตกต่างกันอย่างมากในผู้ป่วยแต่ละราย ผู้ป่วยสองรายที่แสดงในกราฟแยกกันที่ 33 และ 38 วัน อยู่ไกลเกินกว่าขอบเขตบนที่ 31 วัน (16 บวก 1.5 คูณ 10) ทำให้ควรตรวจสอบผู้ป่วยทั้งสองรายนี้อย่างละเอียดมากขึ้น แทนที่จะตัดออกโดยอัตโนมัติ การติดเชื้อที่แผล การพลาดนัดติดตามผล หรือข้อผิดพลาดในการป้อนข้อมูล อาจอธิบายสถานการณ์เช่นนี้ได้ และมีเพียงประวัติผู้ป่วยเท่านั้นที่จะบอกได้ว่าสาเหตุใดถูกต้อง ไม่ใช่จากกราฟ

สิ่งที่แผนภาพกล่องไม่สามารถบอกได้คือ ความแตกต่างของค่ามัธยฐานในช่วงเจ็ดวันนั้นมีนัยสำคัญทางสถิติหรือไม่ ซึ่งยังคงต้องใช้การทดสอบอย่างเป็นทางการ เมื่อพิจารณาจากความเบี่ยงเบนที่เห็นได้ชัดในกลุ่ม B การทดสอบ Mann-Whitney U จะเป็นตัวเลือกที่เหมาะสมกว่าการทดสอบ t ที่สร้างขึ้นบนสมมติฐานเรื่องการกระจายแบบปกติ ซึ่งภาพนี้ขัดแย้งอยู่แล้ว

แผนภูมิกล่อง แผนภูมิไวโอลิน แผนภูมิเมฆฝน: การเลือกเครื่องมือที่เหมาะสม

แผนภาพกล่อง (Box plot) บีบอัดการกระจายตัวของข้อมูลให้เหลือเพียงห้าตัวเลข และการบีบอัดนี้เองที่เป็นทั้งจุดแข็งและจุดอ่อนของมัน การกระจายตัวของข้อมูลสองแบบที่มีรูปร่างแตกต่างกันอย่างสิ้นเชิง แบบหนึ่งมีจุดสูงสุดตรงกลางเพียงจุดเดียว และอีกแบบหนึ่งมีจุดสูงสุดแยกกันสองจุด สามารถสร้างกล่องที่ดูเหมือนกันเกือบทุกประการได้ หากควอไทล์ของทั้งสองแบบตรงกัน ผู้อ่านที่เปรียบเทียบกลุ่มโดยใช้แผนภาพกล่องเพียงอย่างเดียวจะไม่รู้เลยว่ากลุ่มหนึ่งมีการกระจายตัวแบบสองจุดสูงสุด (bimodal)

แผนภาพไวโอลิน (Violent plot) แก้ปัญหานี้โดยตรง การประมาณค่าความหนาแน่นเคอร์เนลแบบสะท้อนจะโอบรอบกล่อง โดยพื้นฐานแล้วคือฮิสโตแกรมที่เรียบเนียนซึ่งหมุนไปด้านข้าง ดังนั้นยอดที่สองในข้อมูลจึงปรากฏเป็นส่วนที่นูนออกมาให้เห็นแทนที่จะหายไปในช่วงควอไทล์เดียว นักสถิติ Jerry Hintze และ Ray Nelson ได้แนะนำเทคนิคนี้ในปี 1998 โดยอธิบายว่าเป็นความร่วมมือระหว่างแผนภาพกล่อง (Box plot) และร่องรอยความหนาแน่น (Density trace)

แผนภูมิเมฆฝน (Raincloud Plot) ก้าวไปอีกขั้น โดยจับคู่เส้นโค้งความหนาแน่นรูปครึ่งไวโอลินกับแถบจุดข้อมูลดิบจริง และมักจะมีแผนภูมิกล่องแบบบางๆ รวมไว้ในรูปเดียว ไมกาห์ อัลเลนและเพื่อนร่วมงานได้กำหนดรูปแบบวิธีการนี้อย่างเป็นทางการในปี 2021 โดยมีแรงจูงใจจากความกังวลว่าแผนภูมิสรุป รวมถึงแผนภูมิกล่อง อาจบดบังรูปแบบข้อมูลดิบที่ผู้อ่านต้องการมากที่สุดเพื่อตัดสินว่าผลลัพธ์นั้นน่าเชื่อถือหรือไม่

ไม่มีทางเลือกใดที่เหนือกว่าโดยอัตโนมัติ แผนภูมิไวโอลินต้องการขนาดตัวอย่างที่เหมาะสมต่อกลุ่ม ประมาณ 20 ข้อมูลขึ้นไป ก่อนที่เส้นโค้งความหนาแน่นจะสะท้อนข้อมูลจริง แทนที่จะเป็นสมมติฐานของอัลกอริทึมการปรับให้เรียบ และแผนภูมิเมฆฝนจะดูรกตาเมื่อมีกลุ่มเกินห้าหรือหกกลุ่มบนแกนเดียว ซึ่งเป็นจุดที่แผนภูมิกล่องแบบง่ายๆ ยังคงอ่านได้ง่ายกว่า นอกจากนี้ แผนภูมิกล่องยังคงเป็นค่าเริ่มต้นที่ปลอดภัยกว่าเมื่อผู้อ่านวารสารเป้าหมายคาดหวังแผนภูมิประเภทนี้ เนื่องจากแผนภูมิประเภทที่ไม่คุ้นเคยอาจทำให้ผู้ตรวจสอบทำงานช้าลงด้วยเหตุผลที่ไม่เกี่ยวข้องกับข้อมูล

สำหรับกลุ่มตัวอย่างขนาดเล็กมาก ประมาณ 10 ถึง 15 ตัวอย่าง ทั้งแผนภูมิกล่อง (box plot) และแผนภูมิไวโอลิน (violin plot) อาจทำให้เข้าใจผิดได้ เนื่องจากควอไทล์และเส้นโค้งความหนาแน่นไม่เสถียรที่ขนาดตัวอย่างดังกล่าว แผนภูมิแถบ (strip plot) หรือแผนภูมิจุดกระจาย (jitter plot) ที่แสดงจุดแต่ละจุดแยกกัน บางครั้งอาจซ้อนทับอยู่ใต้แผนภูมิกล่อง จะสื่อสารได้ตรงไปตรงมามากกว่าแผนภูมิสรุปแบบใดแบบหนึ่งเพียงอย่างเดียว คู่มือของ Editverse เกี่ยวกับแผนภูมิจุดกระจายจะอธิบายวิธีการสร้างแผนภูมิแบบผสมผสานนี้โดยที่จุดไม่ทับซ้อนกันจนอ่านไม่ออก

ความเข้าใจผิดที่พบบ่อยเกี่ยวกับการอ่านแผนภาพกล่อง

ความขัดแย้งส่วนใหญ่ระหว่างผู้เขียนและผู้วิจารณ์เกี่ยวกับแผนภาพกล่องมักมีต้นตอมาจากความเข้าใจผิดเพียงไม่กี่ประการเหมือนกัน

• ความกว้างของกล่องไม่ได้หมายความถึงส่วนเพิ่มใดๆ ในแผนภาพกล่องแบบธรรมดา กล่องทุกกล่องจะถูกวาดด้วยความกว้างเท่ากัน โดยไม่คำนึงถึงจำนวนข้อมูลที่อยู่ด้านหลังกล่องนั้น กล่องที่กว้างไม่ได้หมายความว่าตัวอย่างมีขนาดใหญ่กว่า เว้นแต่ว่าแผนภาพนั้นจะถูกระบุไว้อย่างชัดเจนว่าเป็นแผนภาพกล่องที่มีความกว้างแปรผัน ซึ่งเป็นรูปแบบที่ McGill, Tukey และ Larsen อธิบายไว้ในปี 1978 เพื่อปรับขนาดความกว้างของกล่องให้เหมาะสมกับขนาดของกลุ่มตัวอย่าง
• ขนาดของกลุ่มตัวอย่างนั้นมองไม่เห็น แผนภูมิกล่องที่สร้างจากผู้ป่วย 8 รายและแผนภูมิกล่องที่สร้างจากผู้ป่วย 800 รายอาจมีลักษณะเหมือนกัน ระบุค่า n สำหรับแต่ละกลุ่มในคำอธิบายแผนภูมิหรือบนป้ายกำกับแกนโดยตรง เนื่องจากแผนภูมิจะไม่แสดงค่าดังกล่าวให้คุณโดยอัตโนมัติ
• ข้อมูลหลายรูปแบบอาจซ่อนอยู่ได้อย่างแนบเนียน การกระจายตัวที่มีจุดสูงสุดสองจุดที่แตกต่างกัน อาจยุบตัวลงเหลือเพียงกล่องเดียวที่ดูธรรมดา ซึ่งเป็นเหตุผลสำคัญที่สุดที่ควรตรวจสอบฮิสโตแกรมหรือแผนภาพความหนาแน่นก่อนที่จะใช้แผนภาพกล่องสำหรับข้อมูลที่มีลักษณะเป็นก้อนอย่างแท้จริง
• การทับซ้อนกันไม่ใช่การทดสอบความสำคัญทางสถิติ กล่องสองกล่องที่ไม่ทับซ้อนกันดูแตกต่างกันอย่างชัดเจน แต่ความรู้สึกนั้นไม่ใช่ค่า p และกล่องสองกล่องที่ทับซ้อนกันก็อาจมาจากกลุ่มตัวอย่างที่แตกต่างกันอย่างมีนัยสำคัญได้ เมื่อทำการทดสอบที่เหมาะสมโดยคำนึงถึงขนาดตัวอย่างและความแปรปรวนแล้ว แผนภาพกล่องที่มีรอยบากช่วยให้เห็นภาพคร่าวๆ ของการเปรียบเทียบค่ามัธยฐานที่ระดับความเชื่อมั่น 95% แต่แม้แต่รอยบากก็เป็นเพียงแนวทาง ไม่ใช่สิ่งที่จะมาทดแทนการทดสอบได้
• ค่าผิดปกติไม่ได้หมายความว่าเป็นข้อผิดพลาดเสมอไป จุดที่อยู่นอกเหนือขอบเขตควรได้รับการตรวจสอบ ไม่ใช่การลบโดยอัตโนมัติ จุดที่ถูกทำเครื่องหมายไว้บางจุดกลับกลายเป็นข้อสังเกตที่มีความสำคัญทางคลินิกมากที่สุดในชุดข้อมูล

คู่มือของ Editverse เกี่ยวกับการระบุและจัดการข้อมูลผิดปกติในการวิจัยทางคลินิกนั้น อธิบายเพิ่มเติมถึงการตัดสินใจว่าเมื่อใดควรคงจุดที่ถูกระบุว่าผิดปกติไว้ในการวิเคราะห์ รายงานแยกต่างหาก หรือควรทำการตรวจสอบข้อมูล

เมื่อใดที่แผนภูมิกล่อง (Box Plot) เป็นตัวเลือกที่เหมาะสมสำหรับรูปภาพของคุณ

แผนภาพกล่อง (Box plot) มีประโยชน์ในงานเขียนเชิงวิชาการเมื่อคุณต้องการเปรียบเทียบการกระจายและค่ากลางของการวัดค่าต่อเนื่องในหลายกลุ่มพร้อมกัน โดยเฉพาะอย่างยิ่งเมื่อการวัดค่านั้นมีการเบี่ยงเบน มีขอบเขตจำกัด หรือไม่น่าจะมีการกระจายแบบปกติ ซึ่งเป็นข้อมูลประเภทที่พบได้ทั่วไปในค่าทางห้องปฏิบัติการ คะแนนอาการ และระยะเวลาการพักรักษาตัว แผนภาพกล่องยังสามารถปรับขนาดได้ดีอีกด้วย กลุ่มหก แปด หรือแม้แต่สิบสองกลุ่มสามารถวางเรียงกันในแถวกล่องเดียวได้อย่างชัดเจนและอ่านง่าย ซึ่งดีกว่าแผนภาพแบบความหนาแน่น (density-based plot) ที่ดูรกตาไปมาก

แผนภาพกล่อง (Box plot) เป็นเครื่องมือที่ไม่เหมาะสมเมื่อต้องการแสดงรูปร่างของการกระจายตัวมากกว่าการสรุปภาพรวม เมื่อขนาดตัวอย่างต่อกลุ่มเล็กเกินไปจนควอไทล์ไม่มีความหมายมากนัก หรือเมื่อสิ่งที่น่าสนใจจริงๆ คือแนวโน้มในช่วงเวลาหรือความสัมพันธ์ระหว่างตัวแปรต่อเนื่องสองตัว ซึ่งกรณีเหล่านี้ควรใช้กราฟเส้นหรือแผนภาพกระจาย (Scatter plot) มากกว่า

นักวิจัยที่ยังคงตัดสินใจเลือกประเภทของแผนภูมิอยู่ ไม่ว่าจะเป็นแผนภูมิแท่ง แผนภูมิเส้น แผนภูมิกระจาย หรือแผนภูมิกล่อง สามารถเริ่มต้นได้จากคู่มือฉบับสมบูรณ์ของ Editverse เกี่ยวกับการเลือกประเภทแผนภูมิที่เหมาะสมสำหรับข้อมูลของคุณจากนั้น บทความนี้จะต่อยอดจากคู่มือฉบับสมบูรณ์นั้น โดยจะอธิบายวิธีการเลือกใช้แผนภูมิกล่อง แผนภูมิไวโอลิน และแผนภูมิเมฆฝน และวิธีการรายงานผลการวิเคราะห์แผนภูมิที่เลือกใช้โดยปราศจากข้อผิดพลาดที่ผู้ตรวจสอบมักชี้ให้เห็น Editverse ยังครอบคลุมถึงการตัดสินใจเฉพาะด้านแผนภูมิอื่นๆ ในเชิงลึกเช่นเดียวกัน รวมถึงเมื่อใดที่แผนภูมิ 3 มิติสมควรได้รับมิติที่สามและแผนภูมิประเภทใหม่ๆ ใดที่ กำลังได้รับความนิยมในสิ่งพิมพ์ปี 2025 ถึง 2026

กราฟรูปทรงซับซ้อนบางครั้งอาจต้องใช้วิธีการผสมผสานกัน แทนที่จะเลือกใช้วิธีเดียว คู่มือของ Editverse เกี่ยวกับการผสมผสานกราฟประเภทต่างๆครอบคลุมถึงการจับคู่กราฟกล่องกับกราฟกระจาย หรือแกนรอง เมื่อกราฟประเภทเดียวไม่สามารถแสดงผลลัพธ์ทั้งหมดได้

การสร้างและการรายงานแผนภูมิกล่องอย่างถูกต้อง

ซอฟต์แวร์ทางสถิติส่วนใหญ่สร้างแผนภาพกล่องจากข้อมูลดิบได้ในบรรทัดเดียว ฟังก์ชันพื้นฐานของ R จัดการเรื่องนี้โดยตรง และ ggplot2 สร้างเวอร์ชันที่พร้อมสำหรับการตีพิมพ์มากกว่า โดยมีการควบคุมสีและธีมที่ละเอียดกว่า

# Base R
boxplot(value ~ group, data = df, ylab = "Recovery time (days)")

# ggplot2
library(ggplot2)
ggplot(df, aes(x = group, y = value)) +
  geom_boxplot() +
  theme_minimal()

ไลบรารี seaborn ของ Python ใช้รูปแบบที่คล้ายกันและตั้งค่าเริ่มต้นตามข้อกำหนด 1.5×IQR เช่นเดียวกัน

import seaborn as sns
sns.boxplot(x="group", y="value", data=df)

SPSS สร้างแผนภาพกล่องผ่านทาง Graphs, Legacy Dialogs, Boxplot หรือผ่านทางไวยากรณ์ EXAMINE โดยใช้คำสั่งย่อย PLOT=BOXPLOT ส่วน Stata ใช้... graph box คำสั่งดังกล่าว และ GraphPad Prism สามารถสร้างตารางข้อมูลแบบคอลัมน์ได้ในไม่กี่คลิก คู่มือของ Editverse เกี่ยวกับเรื่องนี้ เตรียมข้อมูลทางการแพทย์เพื่อแสดงผลในรูปแบบภาพด้วย R และ การสร้างกราฟที่พร้อมสำหรับการตีพิมพ์ใน GraphPad Prism ทั้งสองแบบจะลงลึกไปถึงรายละเอียดการจัดรูปแบบมากขึ้นเมื่อโครงเรื่องหลักปรากฏบนหน้าจอแล้ว

คำอธิบายภาพควรระบุอย่างชัดเจนว่ากล่อง หนวด และจุดแต่ละจุดแสดงถึงอะไร ระบุชื่อซอฟต์แวร์หากมีการเปลี่ยนแปลงการตั้งค่าเริ่มต้น และรายงานขนาดตัวอย่างสำหรับแต่ละกลุ่ม เนื่องจากข้อมูลเหล่านี้ไม่ปรากฏให้เห็นในแผนภูมิ การเบี่ยงเบนที่เห็นได้ชัดในแผนภูมิกล่องก็เป็นสัญญาณที่ควรดำเนินการก่อนทำการวิเคราะห์ทางสถิติ ไม่ใช่หลังจากนั้น การทดสอบ t หรือ ANOVA ที่สร้างขึ้นบนสมมติฐานความปกติ ควรใช้ทางเลือกที่ไม่ใช่พาราเมตริกเมื่อแผนภูมิกล่องที่แสดงกลุ่มนั้นไม่สมมาตรอย่างเห็นได้ชัด

Editverse ช่วยคุณในการวิเคราะห์ข้อมูลสถิติได้อย่างไร

นักสถิติของเราจะตรวจสอบแผนภูมิกล่องและแบบทดสอบที่เกี่ยวข้อง ซึ่งเป็นส่วนหนึ่งของบริการวิเคราะห์สถิติสำหรับต้นฉบับโดยตรวจสอบว่าแผนภูมิตรงกับข้อมูลพื้นฐาน และมีการตรวจสอบค่าผิดปกติแทนที่จะละทิ้งไปเงียบๆ นักวิจัยที่ต้องการสร้างแผนภูมิแทนการตรวจสอบ ไม่ว่าจะเป็นแผนภูมิกล่อง แผนภูมิไวโอลิน หรือแผนภูมิเมฆฝน ก่อนถึงกำหนดส่งต้นฉบับใหม่ สามารถใช้บริการการแสดงภาพข้อมูล เพื่อสร้างภาพประกอบที่พร้อมสำหรับการตีพิมพ์จากข้อมูลดิบได้ บริการทั้งสองนี้อยู่ภายใต้ บริการสนับสนุนการตีพิมพ์ที่ครอบคลุมของ Editverse เช่นเดียวกับการแก้ไขต้นฉบับ การเลือกวารสาร และความช่วยเหลือในการตอบกลับผู้ตรวจสอบ

แหล่งที่มาและการอ่านเพิ่มเติม

• ทูคีย์ เจดับบลิว. การวิเคราะห์ข้อมูลเชิงสำรวจAddison-Wesley, 1977. ประวัติโดยย่อใน Wickham H, Stryjewski L. 40 ปีแห่งแผนภาพกล่อง (Boxplots).
• เอ็นไอเอสที/เซมาเทค คู่มืออิเล็กทรอนิกส์วิธีการทางสถิติ: แผนภาพกล่อง (Box Plot).
• คริซวินสกี้ เอ็ม, อัลท์แมน เอ็น. ประเด็นสำคัญ: การแสดงผลข้อมูลตัวอย่างด้วยแผนภาพกล่อง (Box Plot). วิธีธรรมชาติ. 2014;11(2):119-120.
• สปิตเซอร์ เอ็ม, วิลเดนไฮน์ เจ, แรปป์ซิลเบอร์ เจ, ไทเออร์ส เอ็ม. BoxPlotR: เครื่องมือบนเว็บสำหรับสร้างแผนภาพกล่อง. วิธีธรรมชาติ. 2014;11(2):121-122.
• แมคกิล อาร์, ทูคีย์ เจดับบลิว, ลาร์เซน วอชิงตัน รูปแบบต่างๆ ของแผนภาพกล่อง. นักสถิติชาวอเมริกัน. 1978;32(1):12-16.
• Hintze JL, Nelson RD. แผนภาพไวโอลิน: การทำงานร่วมกันของแผนภาพกล่องและการติดตามความหนาแน่น. นักสถิติชาวอเมริกัน. 1998;52(2):181-184.
• อัลเลน เอ็ม, ป็อกจิอาลี ดี, วิทเทเกอร์ เค, มาร์แชลล์ ทีอาร์, คีวิต อาร์เอ แผนภูมิเมฆฝน: เครื่องมือหลายแพลตฟอร์มสำหรับการแสดงภาพข้อมูลที่มีประสิทธิภาพ. ยินดีต้อนรับสู่ Open Research. 2021; 4: 63