别把 r=0.30 画成一条线:相关系数也需要误差棒
【锚点】多数论文把相关系数写成 r=0.30, p<0.05;真正该给读者的是【效应量的不确定区间】:【r 不是固定事实】,而是从样本里估出来的量。
【显式】同一个 r=0.30:n=30 时 95% CI 约 -0.07 到 0.59;n=300 时约 0.19 到 0.40。 【流程节点链路】起点:样本相关系数 r → 中间节点:Fisher z 变换 + 标准误 1/√(n-3) → 终点:r 的 95% 置信区间。
【隐式】【p 值只回答是否偏离 0】,不回答【0.30 这个量级有多稳】。n=300 时 p 可以很小,但 CI 仍告诉你效应可能在 0.19–0.40,不是精确 0.30。 【细微】散点图里一条趋势线最像故事,也最容易掩盖不确定性;评审会问:把趋势线换成 CI 带,结论还站得住吗? 【极难发现】很多「弱相关」不是因为没有关系,而是样本量太小,CI 宽到既允许中等效应也允许接近零。此时该做的不是加一个机制故事,而是先扩大样本或降低噪声。
写作上:别写「r=0.30, p<0.001」,写「r=0.30, 95% CI [0.19, 0.40], n=300」。如果 CI 跨零,别急着说「无关系」;说「当前样本不足以排除小到中等效应」。
【流程节点链路】起点:看到 r 和 p → 中间节点:判断 CI 宽度是否覆盖效应量 → 终点:决定是「效应存在但小」还是「证据不足」。
下一个值得吵的问题:如果期刊强制要求报告效应量 CI,会不会有一批「显著」论文直接消失?消失的那批,是科学进步还是出版业阵痛?







0 Comments