我喜欢居中的计数视图。这个特定版本删除了中立的答案（有效地将中立和 n/a 视为相同）以仅显示同意/不同意意见的数量。0 点是红色和蓝色的交汇点。计数轴被剪掉。

为了比较，这里有五个与叠加百分比相同的答案，显示中性（灰色）和没有答案（白色）。

更新：建议类似方法的论文：绘制李克特和其他评定量表 (PDF)

堆积条形图通常被非统计学家很好地理解，只要它们被温和地介绍。如果它们是序数项（例如李克特），则将它们按一个通用度量（例如 0-100%）缩放是有用的，每个类别使用渐变颜色。我更喜欢dotchart（克利夫兰点图），当没有太多项目并且不超过3-5个响应类别时。但这实际上是视觉清晰度的问题。我通常提供 %，因为它是一种标准化度量，并且仅使用非堆叠条形图报告 % 和计数。这是我的意思的一个例子：

data(Environment, package="ltm")
Environment[sample(1:nrow(Environment), 10),1] <- NA
na.count <- apply(Environment, 2, function(x) sum(is.na(x)))
tab <- apply(Environment, 2, table)/
       apply(apply(Environment, 2, table), 2, sum)*100
dotchart(tab, xlim=c(0,100), xlab="Frequency (%)", 
         sub=paste("N", nrow(Environment), sep="="))
text(100, c(2,7,12,17,22,27), rev(na.count), cex=.8)
mtext("# NA", side=3, line=0, at=100, cex=.8)

lattice使用或可以实现更好的渲染ggplot2。在这个特定示例中，所有项目都具有相同的响应类别，但在更一般的情况下，我们可能期望不同的类别，因此显示所有项目似乎不会像这里的情况那样多余。但是，可以为每个响应类别赋予相同的颜色，以便于阅读。

但我会说，当所有项目都具有相同的响应类别时，堆叠条形图会更好，因为它们有助于了解一种响应模式在项目之间的频率：

我还可以想到某种热图，如果有许多具有相似响应类别的项目，这很有用。

应报告缺失的回答（尤其是在不可忽略或仅针对特定项目/问题进行本地化时），最好是针对每个项目。通常，每个类别的响应百分比是在没有 NA 的情况下计算的。这通常在调查或心理测量学中完成（我们所说的“表达或观察到的反应”）。

PS 我可以想到更多花哨的东西，如下图所示（第一个是手工制作的，第二个是来自ggplot2, ggfluctuation(as.table(tab))），但我认为它传达的信息不如 dotplot 或 barchart 准确，因为表面变化很难欣赏。

我认为chl的回答很棒。

我可能要补充的一件事是，对于您想要比较项目之间的相关性的情况。为此，您可以对有序分类数据使用相关散点图矩阵之类的东西

（该代码仍需要一些调整 - 但它给出了总体思路......）