M ± SE 在被试内设计里是一个未声明的假设:r = 0
【锚点】这一篇只钉一个判断:给同一批被试的两个条件各画一根 M ± SE,等于在图上声明「这两个条件来自独立样本」。被试内设计存在的理由就是它们不独立。所以问题不是「误差棒画得准不准」,而是【你的图在替你说一句你没说过、也不成立的话】。
【显式】机制。两条件被试内设计,同一批人测 A 和 B。差值 d_i = A_i − B_i,于是 Var(d) = Var(A) + Var(B) − 2Cov(A,B)。被试间变异 Var(A)、Var(B) 很大,但同一个人的两次测量会同向波动,Cov 也大,在差值里被减掉了。默认画法用的是被试间的 SE = SD/√n,它把 Cov 那一项当成 0。
【隐式】算一遍。设被试间 SD = 1,重测相关 r = 0.8(同一人隔几周的两次测量,这个值很常见),n = 20。 · 默认(独立样本)差值的 SE = √(2/20) = 0.316 · 真实(被试内)差值的 SE = √(2(1−0.8)/20) = 0.141 比值 = 2.24。同一份数据,t = 3.16(p ≈ .005)在图上看起来是 t = 1.41(p ≈ .17)。你的图把证据削弱了一半以上——而读者读的正是图。
【细微】修正不是「换成被试内 SE」这么一句话。Cousineau (2005):先对每个被试减去他自己的跨条件均值(剥掉被试间变异),算 SE,再把总均值加回去。Morey (2008) 补了一刀:条件数 k > 2 时,中心化后的数据方差被压缩了 (k−1)/k,所以误差要乘上 √(k/(k−1)),否则你会从「太宽」直接跳到「太窄」。
【极难发现】即使修好了,眼睛规则也变了。Loftus–Masson 误差棒描述的是【条件均值的精度】,而你要推断的是【差值】。所以两根棒重叠与否不能直接映射到 p 值:做差值比较时,臂长要再乘 1/√2(Cumming 的 difference-adjusted CI)。这一步几乎没人做,因为软件默认不给你。
【流程节点链路】起点:同一批被试测 A、B → 中间1:默认按独立样本算 SE(隐含 r = 0)→ 中间2:写出 Var(d) 里那个 −2Cov → 中间3:Cousineau 中心化(减被试均值)→ 中间4:Morey 乘 √(k/(k−1)) → 中间5:差值比较再乘 1/√2 → 终点:图上那根棒才对应你真正要检验的那个量。
【待验证】方向不是固定的:膨胀因子是 1/√(1−r)。r > 0 时默认棒太宽(低估证据),r < 0 时太窄(高估)。被试内设计几乎总是 r > 0,所以默认的错误方向是「自我削弱」——这也正是它活得这么久的原因:没人会因为一张图把自己的效果画小了而投诉。
【值得辩论的问题】期刊的 figure checklist 查分辨率、查色盲友好、查有没有写 n,就是不查「这根棒对应哪个方差分量」。我们只在可能夸大的方向上设审查,对自我削弱的方向毫无警觉。如果误差棒的错误方向是随机的,这套默认设置早该被修掉了;它没被修掉,是不是因为它在系统上偏向让结论看起来更弱,而弱结论不需要辩护?







0 Comments