4.1 图的语法（GoG）

本节目标

读完后，你能把一个心理学研究问题拆成数据、视觉映射、几何对象和统计变换，逐层搭出一张图，并在导出前检查它是否真的回答了问题。

你带着什么问题来？

“我有两组被试、三次测量，应该画什么？”不是先查图表目录，而是先问四件事：每一行数据代表什么观测、要比较哪一个量、哪些变量需要分组、读者要看到不确定性还是原始分布。图的语法（Grammar of Graphics，GoG）把一张图看成若干可组合的声明，而不是某个软件的固定菜单。

贯穿示例使用一份明确标为模拟数据的教学数据：40 名被试被随机分到 control / intervention，两次测量（pre / post），结果变量是 0–100 的压力评分。长表中一行是“一个被试在一个时间点的评分”，因此 id 会重复两次；这和把每位被试汇总成一行的宽表不是同一个观测结构。

text

id   condition      time   stress
01   control        pre       62
01   control        post      59
02   intervention   pre       64
02   intervention   post      48

先把图拆成哪些零件？

可以把声明顺序记成：data → mapping → geom → stat → position → facet → scale → coord → theme。它们并非都要手动写，但每一层都回答一个可检查的问题。

零件	它决定什么	示例	常见误区
`data`	使用哪些行、观测单位是什么	`long_df`	把汇总表当作个体数据，重复计权
`aes()` 映射	数据列如何变成位置、颜色、形状、大小	`x = time, y = stress, colour = condition`	把分类变量当连续轴，或把颜色写死在映射里
`geom_*()` 几何对象	画点、线、柱、区间还是瓦片	`geom_point()`	用柱高暗示不存在的零点，遮住原始分布
`stat_*()` 统计变换	几何对象前如何汇总或计算	`stat_summary()`、`stat_smooth()`	把均值线说成每位被试的轨迹
`position`	同一位置的对象如何错开或堆叠	`position_dodge()`、`position_jitter()`	让抖动改变了真实数据位置
`facet_*()` 分面	用哪个变量拆成多个小面板	`facet_wrap(~ condition)`	面板过多，读者无法比较尺度
`scale_*()`	刻度、标签、颜色和缺失值	`scale_y_continuous(limits = c(0, 100))`	直接删掉超出 limits 的观测
`coord_*()`	坐标系和视窗	`coord_cartesian(ylim = c(20, 90))`	用坐标裁剪替代数据过滤，或反过来
`theme_*()`	非数据性的版式	`theme_classic()`	用装饰掩盖低信息量图形

映射和设置为什么要分开？

aes(colour = condition) 表示颜色随每一行数据变化，ggplot2 会生成图例；colour = "#B2182B" 则是把所有对象设置成同一个颜色，不会生成图例。把常量写进 aes() 会把它当成名为 "#B2182B" 的类别，产生令人困惑的图例。

# 模拟数据；实际研究请从已清理的分析数据读入
set.seed(2026)
long_df <- data.frame(
  id = rep(sprintf("P%02d", 1:40), each = 2),
  condition = rep(rep(c("control", "intervention"), each = 20), each = 2),
  time = rep(c("pre", "post"), 40),
  stress = round(pmin(pmax(rnorm(80, 55, 12), 0), 100), 1)
)

library(ggplot2)
ggplot(long_df, aes(x = time, y = stress, colour = condition)) +
  geom_point(position = position_jitterdodge(jitter.width = 0.08), alpha = 0.55) +
  stat_summary(aes(group = condition), fun = mean, geom = "line",
               position = position_dodge(width = 0.25), linewidth = 0.8) +
  stat_summary(aes(group = condition), fun.data = mean_cl_boot,
               geom = "errorbar", width = 0.12,
               position = position_dodge(width = 0.25))

这段图形有三种对象：半透明点保留个体分布，均值线回答“组均值怎样随时间变化”，误差条显示均值的不确定性。mean_cl_boot 是 bootstrap 置信区间；它不是“每个人的变化范围”，也不自动解决重复测量的依赖。若研究问题是个体变化，应画被试轨迹或使用与重复结构相符的模型（见多层模型）。

一个最短的决策路径

写一句读图问题：是比较分布、变化趋势、关联，还是展示模型结果？
写出观测单位和变量类型：个体、试次、时间点或研究；连续、分类、计数或效应量。
选择几何对象：点图看分布，线图看有序变化，瓦片看二维矩阵，区间图看估计与不确定性。
决定统计变换：原始值、均值/中位数、密度、回归预测或模型边际均值。图注写清楚。
只把真正需要比较的变量映射到颜色、形状或分面；其余变量放在图注或附表。
先用默认尺度和主题检查数据，再手调颜色、字体、坐标、图例和注释；最后用固定尺寸导出。

怎样从“图层”读懂一张图？

以“干预前后压力评分”为例：

点层的 x = time, y = stress 把每次观测放到平面；颜色编码组别。
线层把同一组同一时间的均值连接起来。连接的是汇总后的点，不是被试轨迹。
区间层把估计的不确定性画出来。注明是标准误、95% 置信区间还是后验区间。
分面可以把 condition 拆开，但如果目的是比较组间差异，保留共同的 y 轴通常更直接。
注释只标记预先计划的比较或关键阈值；不要只给显著的格子加星号。

何时不要用 GoG 图层硬凑？

如果数据来自复杂抽样、重复测量或多层模型，简单均值图可以用于探索，但不能替代模型估计。图中的误差条必须与分析模型的估计对象一致；不确定时先保留原始数据，再请熟悉设计的统计顾问复核。

如何检查一张图是否诚实？

把图中的一个点追溯回原始数据行：是否被重复计算、过滤或隐式汇总？
对照分析计划：颜色、分面和注释是否引入了事后挑选？
检查坐标范围、缺失值、异常值和单位；coord_cartesian() 只是改变视窗，scale_* (limits=) 可能丢弃数据。
对估计图，记录模型、协变量、对比方式和区间定义；不要把视觉重叠当作显著性检验。
用黑白打印和色觉缺陷模拟预览；信息不能只依赖颜色。

结果如何导出？

p <- ggplot(long_df, aes(time, stress, colour = condition)) +
  geom_point(position = position_jitterdodge(jitter.width = 0.08), alpha = 0.5)
ggsave("figures/stress-by-time.pdf", p, width = 150, height = 100,
       units = "mm", device = cairo_pdf)
ggsave("figures/stress-by-time.png", p, width = 150, height = 100,
       units = "mm", dpi = 300)