如何正确计算比例表的95%置信区间并使用ggplot2绘制误差棒？

我认为95%置信区间（CI）是误差棒最具信息性的选择，希望为A-E各区域的学校数量比例计算该值，并使用ggplot2绘制带误差棒的柱状图。

数据说明：数据包含A-E各区域收集到的学校数量比例。

已尝试的步骤 #

1. 计算比例

region <- data %>% count(Q8) %>% 
  mutate(prop = round((prop.table(n) * 100), digits = 2), sd = round(sd(prop.table(n)), 
  digits = 2), Q8 = fct_reorder(Q8, n)) %>% arrange(n) 

输出结果：

> region
  Q8  n  prop   sd
1  E  3 10.34 0.12
2  C  3 10.34 0.12
3  B  4 13.79 0.12
4  A  9 31.03 0.12
5  D 10 34.48 0.12

2. 尝试计算95% CI

region_ci  <- data.frame(DescTools::MultinomCI(region$n, conf.level = 0.95)) %>%
               mutate_if(is.numeric, round, 2)

输出结果：

> region_ci
   est lwr.ci upr.ci
1 0.10   0.00   0.29
2 0.10   0.00   0.29
3 0.14   0.00   0.32
4 0.31   0.14   0.49
5 0.34   0.17   0.53

3. 尝试绘图

region %>% 
  ggplot(aes(y = prop, x = ordered(Q8), fill = Q8)) + 
  geom_bar(stat = "identity", width = 0.3) +
  geom_errorbar(aes(ymin= region_ci$lwr.ci, ymax= region_ci$upr.ci, 
                    width= .1)) + 
  geom_text(aes(label = round(prop, 1.5)),
            nudge_y = 2) + # 避免标签与柱子顶部重叠
  labs(x = "区域",
       y = '(%)')

绘图时误差棒显示异常，显然CI计算或绘图环节存在问题，请问如何正确计算95% CI并绘制正确的误差棒？

附region数据的dput结果：

> dput(region)
structure(list(Q8 = structure(1:5, .Label = c("E", "C", "B", 
"A", "D"), class = "factor"), n = c(3L, 3L, 4L, 9L, 10L), prop = c(10.34, 
10.34, 13.79, 31.03, 34.48), sd = c(0.12, 0.12, 0.12, 0.12, 0.12
)), row.names = c(NA, -5L), class = "data.frame")

解决方案 #

问题根源 #

误差棒异常的核心原因是置信区间与比例的单位不匹配：MultinomCI返回的CI是小数形式（0-1范围），但你的prop是百分比形式（0-100范围），直接使用会导致误差棒长度极小；另外，调用外部数据框region_ci容易出现索引错位问题。

修正步骤 #

1. 重新计算并合并95% CI
   将MultinomCI的结果转换为百分比，并合并到主数据框中：

library(tidyverse)
library(DescTools)

# 计算置信区间并转换为百分比，合并到region
region <- region %>%
  bind_cols(
    data.frame(MultinomCI(.$n, conf.level = 0.95)) %>%
      mutate(across(c(est, lwr.ci, upr.ci), ~ .x * 100)) %>% # 转换为百分比
      mutate(across(where(is.numeric), round, 2))
  )

处理后region会包含百分比形式的置信区间列。

2. 绘制正确的带误差棒柱状图
   使用合并后的数据，确保误差棒单位与比例一致：

region %>% 
  ggplot(aes(y = prop, x = Q8, fill = Q8)) + 
  geom_bar(stat = "identity", width = 0.3) +
  # 使用数据框内的百分比置信区间
  geom_errorbar(aes(ymin = lwr.ci, ymax = upr.ci), width = .1) + 
  geom_text(aes(label = prop), nudge_y = 2) +
  labs(x = "区域", y = "学校数量比例 (%)") +
  theme_minimal()

补充说明 #

• MultinomCI针对多项分布计算置信区间，适合类别比例场景，计算逻辑本身正确，只需统一单位即可。
• 将置信区间合并到主数据框后，可避免ggplot调用外部数据时的索引错位问题。

内容的提问来源于stack exchange，提问作者Larissa Cury