กราฟแท่งพร้อมช่วงความไม่แน่นอนBar Chart with Error Bars

01ภาพรวมของกราฟนี้

Bar chart ธรรมดาแสดงค่าประมาณเพียงค่าเดียวราวกับว่ามันแน่นอน ทั้งที่ค่าเฉลี่ยจากตัวอย่างย่อมมีความคลาดเคลื่อน การเติมขาความไม่แน่นอนทำให้ผู้อ่านเห็นว่าช่วงของสองกลุ่มทับกันหรือไม่ ซึ่งเปลี่ยนข้อสรุปได้ทั้งหมด

ใช้ที่ไหนบ้าง — ผลการทดลอง A/B ค่าเฉลี่ยจากแบบสำรวจ ผลวัดซ้ำในห้องแล็บ หรือการเทียบค่าเฉลี่ยของกลุ่มตัวอย่าง

สร้างอย่างไร

1. ขั้นที่ 1คำนวณค่าประมาณและช่วงความไม่แน่นอน
2. ขั้นที่ 2ระบุว่าขาที่วาดคืออะไร
3. ขั้นที่ 3วาดแท่งและขาบนภาพเดียว
4. ขั้นที่ 4ดูว่าช่วงของกลุ่มที่เทียบกันทับกันไหม

02อธิบายภาษาคนเข้าใจง่าย ๆ

ค่าเฉลี่ยที่คำนวณจากกลุ่มตัวอย่างไม่ใช่ความจริงแท้ ถ้าเก็บข้อมูลอีกรอบก็จะได้ตัวเลขที่ต่างออกไปเล็กน้อย กราฟแท่งธรรมดาไม่ได้บอกเรื่องนี้เลย

ขาที่เติมขึ้นมาบอกว่าค่าจริงน่าจะอยู่ในช่วงไหน ยิ่งขาสั้นแปลว่ายิ่งมั่นใจ ซึ่งมักมาจากการที่มีข้อมูลเยอะหรือข้อมูลกระจายน้อย

สิ่งที่ต้องดูคือ ถ้าช่วงของสองกลุ่มทับกันมาก เราสรุปไม่ได้ว่ากลุ่มหนึ่งมากกว่าอีกกลุ่ม แม้ปลายแท่งจะสูงกว่าก็ตาม นี่คือประโยชน์หลักของกราฟนี้

ปัญหาใหญ่ที่สุดคือคนไม่บอกว่าขาคืออะไร ส่วนเบี่ยงเบนมาตรฐาน ค่าคลาดเคลื่อนมาตรฐาน และช่วงความเชื่อมั่น 95% ให้ขาที่ยาวไม่เท่ากันเลย ถ้าไม่เขียนบอก ผู้อ่านตีความไม่ได้

ข้อควรระวังอีกข้อคือ การที่ช่วงไม่ทับกันไม่ได้แปลว่ามีนัยสำคัญเสมอไป และการทับกันเล็กน้อยก็ไม่ได้แปลว่าไม่มีนัยสำคัญ กราฟนี้เป็นสัญญาณ ไม่ใช่การทดสอบทางสถิติ

03ข้อมูลที่ต้องใช้

คอลัมน์ที่ต้องเตรียม

ต้องเตรียมข้อมูลอย่างไรก่อนวาด

1. คำนวณช่วงด้วยวิธีที่เหมาะกับข้อมูลและบันทึกวิธีไว้
2. ตรวจว่าขนาดตัวอย่างพอที่ช่วงจะมีความหมาย
3. ระบุชนิดของช่วงในคำอธิบายภาพ

ค่าที่หายไป — กลุ่มที่คำนวณช่วงไม่ได้เพราะข้อมูลน้อยเกินไป ให้แสดงแท่งพร้อมหมายเหตุ ห้ามวาดโดยไม่มีขาเฉย ๆ เพราะจะดูเหมือนแม่นที่สุด

สเกลของแกน — linear เริ่มที่ศูนย์ตามกฎของกราฟแท่ง

หน้าตาไฟล์ที่ต้องเตรียม

study,estimate,low,high,n
…

04อ่านแล้วเห็นอะไร

อ่านตามลำดับนี้

1. ดูปลายแท่งเพื่อหาค่าประมาณ
2. ดูความยาวของขาเพื่อประเมินความมั่นใจ
3. ดูว่าช่วงของคู่ที่สนใจทับกันหรือไม่

05เหมาะกับการนำเสนอแบบไหน

ทำอย่างไรให้คนอ่านได้ข้อสรุปโดยไม่ต้องบรรยาย

1. เขียนตัวใหญ่ว่าขาคือช่วงแบบไหน
2. ใส่ขนาดตัวอย่าง n ของแต่ละกลุ่ม
3. ถ้าช่วงทับกันมาก ให้เขียนตรง ๆ ว่ายังสรุปไม่ได้

06เอาไปใช้ต่อ

โค้ดทุกชิ้นอ่านไฟล์ bar-with-error-sample.csv ชุดเดียวกับที่ Playground ใช้ และตัวเลขในโค้ดเปลี่ยนตามค่าที่คุณปรับด้านล่าง

# ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*"
# ดาวน์โหลด bar-with-error-sample.csv จากหน้านี้ แล้ววางไว้ข้างสคริปต์
import matplotlib
matplotlib.use("Agg")   # รันแบบไม่มีหน้าจอ ถ้ารันในเครื่องตัวเองลบบรรทัดนี้ได้
import matplotlib.pyplot as plt
import pandas as pd

C1, C2, C3 = "#2a78d6", "#eb6834", "#1baf7a"   # palette ของคลัง เปลี่ยนเป็นสีองค์กรได้
INK, SURFACE = "#0b0b0b", "#fcfcfb"

df = pd.read_csv("bar-with-error-sample.csv")
df["estimate"] = pd.to_numeric(df["estimate"], errors="coerce")
df["low"] = pd.to_numeric(df["low"], errors="coerce")
df["high"] = pd.to_numeric(df["high"], errors="coerce")
df["n"] = pd.to_numeric(df["n"], errors="coerce")
NOTE = "overlap"   # ← ค่าจาก Playground

fig, ax = plt.subplots(figsize=(7.6, 4.2), facecolor=SURFACE)
ax.set_facecolor(SURFACE)

err = [df["estimate"] - df["low"], df["high"] - df["estimate"]]   # ขาสองข้างไม่จำเป็นต้องเท่ากัน
ax.bar(df["study"], df["estimate"], yerr=err, capsize=6, color=C1, ecolor=INK, error_kw={"linewidth": 1.8})
ax.set_ylim(0, None)
ax.set_ylabel("ค่าประมาณ")
ax.set_title("ขาคือช่วงความเชื่อมั่น 95%", loc="left")   # ต้องบอกเสมอว่าขาคืออะไร
plt.setp(ax.get_xticklabels(), rotation=25, ha="right")

ax.spines[["top", "right"]].set_visible(False)   # ลดเส้นที่ไม่ได้ให้ข้อมูล
fig.tight_layout()
fig.savefig("bar-with-error.png", dpi=160)
print("เขียน bar-with-error.png แล้ว ·", len(df), "แถว")

ติดตั้ง: pip install "matplotlib==3.10.*" "pandas==2.*" · ทดสอบกับเวอร์ชัน 3.10

07ลองเล่นเพื่อเข้าใจ

ข้อควรระวัง

1. ไม่ระบุว่าขาคืออะไร ทำให้ผู้อ่านตีความความมั่นใจผิดได้หลายเท่า
2. สรุปว่าต่างกันอย่างมีนัยสำคัญเพียงเพราะช่วงไม่ทับกัน ซึ่งไม่ใช่การทดสอบทางสถิติ
3. ใช้กราฟแท่งกับข้อมูลที่ควรแสดงการกระจายทั้งหมด ซึ่ง box plot หรือ strip plot เหมาะกว่า
4. ไม่ใส่ขนาดตัวอย่าง ทำให้ไม่รู้ว่าทำไมบางขาจึงยาว

เมื่อไหร่ไม่ควรใช้กราฟนี้

• มีข้อมูลดิบทุกจุดและจำนวนไม่มาก→ใช้แทน: strip-plot หรือ beeswarm-plot ที่โชว์ทุกจุดจริง
• เทียบผลการศึกษาหลายชิ้น→ใช้แทน: forest-plot
• ต้องการเห็นรูปร่างการกระจาย→ใช้แทน: box-plot หรือ violin-plot

กราฟที่เกี่ยวข้อง