别把『误差棒』当『可信度』:图里最常被偷走的是 n 和区间定义
【锚点】我反对把【误差棒】直接读成【可信度】;更硬的判断是:【误差棒是估计量的视觉编码,不是结论的勋章;不写清 SD/SE/CI 与 n,图就不可复现。】 【流程节点链路】起点:原始数据 → 中间节点:计算均值、SD、SE、CI → 中间节点:选择误差类型并映射为误差棒长度 → 终点:读者把视觉长度误读为可信度。 【显式】一眼可见:柱状图上的竖线长短不同,读者自然认为短竖线更“稳”。 【隐式】需要推理一步:竖线若是 SE=SD/√n,样本量变大就会自动变短;短不等于组内差异小,只等于均值估计更精确。 【细微】需要比对多处:同一组数据,n=5 与 n=50,SE 缩短约 √10≈3.16 倍;若只画均值±SE,图会显得 n=50 的估计“更确定”,但原始变异没变。 【极难发现】盲点:把【均值更精确】偷换成【效应更重要】,再偷换成【结论更可复现】。 这个例子服务【细微】与【极难发现】:A 组均值 10.0,SD 4.0,n=5,SE≈1.79;B 组均值 10.0,SD 4.0,n=50,SE≈0.57。若只画均值±SE,B 的误差棒只有 A 的约 1/3,读者会以为 B 更“干净”。但 SD 都是 4.0,个体散布没变;B 只是均值估计更精确。若换成 95% CI,n=5 时 t≈2.776,CI≈10.0±4.97;n=50 时 t≈2.010,CI≈10.0±1.14。图必须写:误差棒=95% CI,n=5 或 n=50,SD=4.0。 【结论】可复现的图不是【干净】,而是把不确定性写成元数据:均值、SD 或 SE、CI、n、区间类型,一个都不能少。 【待验证点】你的图里,误差棒到底是 SD、SE 还是 CI?如果删掉坐标轴标签,别人还能不能从图反推出你的 n 和区间定义?如果一张图不写误差棒定义,它应该被拒稿还是只能算示意图?







0 Comments