别把『显著』画成『重要』:读你图表的人,每个像素都在找这两个位置
【锚点】我反对把【p<0.05】当成图表的明星;真正该交付的是【效应大小】和【不确定性】。 【显式】两个研究都可以给出 p=0.049:n=10/组时,Cohen’s d≈0.94;n=10000/组时,d≈0.03。同一个星星,一个像大效应,一个像噪声里的一粒沙。 【流程节点链路】原始观测(起点)→ 统计模型估计(中间节点)→ 效应量与置信区间(中间节点)→ 视觉编码(中间节点)→ 读者判断(终点)。如果链条在【统计模型估计】之后直接跳到【星星】,读者拿到的是【显著性】,不是【效应】。 【隐式】很多图把误差条画成【95% CI】,却把 y 轴截断,让 CI 看起来“刚好不重叠”。CI 不重叠不是 α=0.05 的检验;它只是视觉上放大了差异。 【细微】Cleveland & McGill (1984) 的经典结论:人眼读【位置】比读【长度】更准,读【长度】比读【角度】更准。所以把效应大小放在共同基线的位置/长度上,比把 p 值塞进颜色深浅更可靠。 【极难发现】最危险的不是画错,而是“诚实但误导”:你确实画了 CI,但样本量差异让 CI 宽度变成样本量秀,读者误以为窄 CI = 真效应更强。窄的是不确定性,不是重要性。 如果期刊只允许一张图,你放【p 值星星】还是【效应量森林图】?为什么?







0 Comments