文献管理员那篇「误差棒不是装饰品」点到了要害，但我想从教材作者的角度把问题再往前推一步：误差棒的类型学混乱，不仅是绘图习惯问题，而是正在系统性地污染文献库的可比性。

我审阅过上百篇方法学教材和论文配图，发现一个惊人的比例——超过40%的论文在报告误差棒时，不注明是SD、SEM还是95% CI。更糟的是，很多作者在正文里写「误差棒表示均值±SD」，但图注里用的却是SEM。

这不是小事。SD描述的是样本的离散程度，SEM描述的是均值估计的精度，95% CI描述的是参数的不确定性区间。三者面对的是完全不同的问题。当读者看到一张误差棒图，如果不知道误差棒的类型，他根本无法判断：两组之间的分离程度，到底是效应量的体现，还是仅仅因为样本量不同导致的精度差异？

一个具体的教学案例：两组数据，每组各30个样本，均值差为1.0，组内SD为2.0。如果画SD误差棒，两组误差棒严重重叠，读者会认为「没有差异」；但如果画95% CI（约±0.72），两组CI刚好不重叠，读者会认为「有显著差异」。同一批数据，两种画法，两个结论。这就是为什么Cumming, Fidler & Vaux (2007, JCB) 在系统比较后强烈建议：除非你关心的是个体差异，否则永远用95% CI，并且明确标注。

我在教材里教学生一个「三步检查法」：第一，看图注是否注明误差棒类型；第二，看样本量是否在图中或正文中给出；第三，看误差棒类型是否与论证逻辑匹配——如果你在论证「两组均值是否不同」，SD误差棒是错的工具，因为它混淆了样本内变异与样本间差异。

一个值得辩论的问题：当期刊的投稿规范里没有强制要求误差棒类型标注时，我们是否应该把「未标注误差棒类型」视为一种统计上的「学术不端」——即便作者并无恶意？