mnar_tipping_point.png

def make_figure(df: pd.DataFrame, tipping: dict) -> None:
    apply_style()
    fig, ax = plt.subplots(figsize=(8, 5.5))

    df = df.sort_values("delta")
    ax.plot(df["delta"], df["OR"], color=PRIMARY, linewidth=2.0, marker="o", markersize=3.5,
            label="Gepooltes OR (Rubin's rules)")
    ax.fill_between(df["delta"], df["ci_lo"], df["ci_hi"], color=PRIMARY, alpha=0.18,
                     label="95 %-Konfidenzintervall")

    ax.axhline(1.0, color=SECONDARY, linestyle="--", linewidth=1.2, zorder=1)

    ax.axvline(0.0, color="#16181C", linestyle="-", linewidth=1.3, zorder=1)
    ymax = ax.get_ylim()[1]
    ax.text(0.0, ymax, "MAR-Annahme", rotation=90, va="top", ha="right",
            fontsize=10, color="#16181C")

    # Der Kipppunkt ist das ERSTE δ, dessen KI die 1 einschließt — nicht das
    # letzte, bei dem sie es noch nicht tut (`boundary_delta`). Dort steht die
    # Schlussfolgerung noch, sie fällt einen Schritt später.
    literal = tipping.get("literal_tipping")
    if literal is not None:
        kipp = float(literal["delta"])
        if df["delta"].min() <= kipp <= df["delta"].max():
            ax.axvline(kipp, color=EVENT, linestyle=":", linewidth=1.6, zorder=1)
            ax.text(kipp, ymax, f"Kipppunkt (δ={kipp:+.2f})", rotation=90,
                    va="top", ha="right", fontsize=10, color=EVENT)

    ax.set_xlabel("δ — pH-Verschiebung der imputierten Werte")
    ax.set_ylabel("gepooltes OR je 0,1 pH-Abfall")
    ax.set_title("MNAR-Sensitivitätsanalyse: Delta-Adjustment und Kipppunkt")
    ax.legend(loc="upper right")

    save(fig, FIGURE_PATH)