예상 투표집단의 평균연령 차이는 구간으로 판단한다
독립집단의 평균 차이와 동일 응답자 안의 대응 차이는 단위부터 다릅니다. 표본 수·자유도·효과크기의 구간을 보존합니다.
독립 Welch 비교 · 944 respondents · ANES96
01 · 실제 발표 장표
CMDS · SVG
02 · Pele 관계도와 원문
Pele 1.6.0 · Mermaid flowchart이 관계도는 분석의 변수·설계·검정 관계를 설명하는 보조 도식입니다. 단독 HTML 발표 장표의 통계 그림과 구분합니다.
Pele 관계도 원문
flowchart LR
A["Clinton expected"] --> D["Mean-age difference"]
B["Dole expected"] --> D
D --> W["Welch CI"]03 · 정밀 SVG 제작 코드
JavaScript → SVG공개된 추정치를 받아 축·선·구간·라벨을 직접 배치하는 실제 제작 분기입니다. 생략한 공용 함수와 전체 파일도 확인할 수 있습니다.
SVG 제작 분기 · JavaScript
if (v.kind === "t") {
const rows = v.groups.map((g) => ({
label: g.label,
b: g.mean,
lo: g.ci[0],
hi: g.ci[1],
key: g.key,
}));
a.push(
...forest(rows, {
x: 0,
y: 8,
w: 1000,
title: "A Group means · pointwise 95% CI",
unit: v.unit,
rowH: 155,
labelW: 260,
sign: false,
range:
v.id === "paired"
? [1, 7]
: [
Math.min(...rows.map((r) => r.lo)) - 1,
Math.max(...rows.map((r) => r.hi)) + 1,
],
}),
T(1100, 47, "B Difference", 32, C.ink, 700),
G(
[
T(1100, 145, signed(v.difference), 66, C.blue, 750),
T(1100, 190, v.unit, 28, C.muted),
T(1100, 258, "95% CI", 26, C.muted),
T(1100, 305, "[" + v.ci.map((x) => fmt(x, 3)).join(", ") + "]", 36, C.ink, 650),
T(1100, 377, "t(" + fmt(v.df, 1) + ") = " + fmt(v.stat, 2), 27),
T(1100, 423, pv(v.p), 27),
T(1100, 491, v.effectName + " = " + fmt(v.effect, 3), 30, C.teal, 700),
T(
1100,
533,
"effect CI [" + v.effectCI.map((x) => fmt(x, 3)).join(", ") + "]",
24,
C.muted,
),
],
v.key,
),
T(
15,
580,
"Group n: " +
v.groups.map((g) => g.n).join(" / ") +
" · " +
(v.id === "paired" ? "same 944 respondents" : "independent groups"),
27,
C.muted,
),
...(v.id === "paired"
? [T(15, 625, "Scale: 1 very liberal → 7 very conservative", 26, C.muted)]
: []),
);
note =
v.id === "paired"
? "DoleLR−ClinLR on the same 1–7 numeric-coded scale. Not a causal candidate effect."
: "Mean age differs by expected vote; Welch df reflects unequal variances. Nonrandom groups.";
source =
v.id === "paired"
? 'flowchart LR\n R["Same respondent"] --> A["Clinton impression"]\n R --> B["Dole impression"]\n A --> D["Within-person difference"]\n B --> D'
: 'flowchart LR\n A["Clinton expected"] --> D["Mean-age difference"]\n B["Dole expected"] --> D\n D --> W["Welch CI"]';
map = { R: v.key, A: v.groups[0].key, B: v.groups[1].key, D: v.key, W: v.key };
}이 소스는 실행 가능한 편집기가 아니라 원문을 보존한 참고 코드입니다.
04 · 재사용할 때 바꿀 것
DATA · DESIGN · INFERENCE- 데이터
- 해당 조건의 데이터 파일을 먼저 확인하고, 표본·단위·계수·신뢰구간을 함께 교체합니다. 표본이나 측정 수준이 다른 분석을 같은 척도로 합치지 않습니다.
- 그림
- 축 범위·라벨 폭·서체·색상은 실제 삽입 영역에 맞춥니다. 신뢰구간이 0을 포함하는지에 따라 의미를 보존하고, 화면을 줄인 뒤 다시 읽어 봅니다.
- 해석
- 관계도의 화살표와 통계 모형의 경로는 인과의 증거가 아닙니다. 평균 반응의 구간과 개별 예측구간, 점별 구간과 동시 구간을 구분합니다.