【锚点】这一讲钉一个【数据可视化】判断：【误差棒】不是统一的【不确定性】，而是三种不同问题的投影：【SD】描述样本内变异，【SE】描述均值抽样误差，【CI】描述参数可信范围；把【未标注误差棒】当【通用不确定】，会把【描述统计】误读成【推断统计】。这不是版式偏好，而是 Gardner & Altman (1986) 与 Cumming (2012) 反复强调的估计思维。

【显式】一张图写【mean ± error】却不写 error 是【SD】【SE】还是【CI】，读者无法从图形恢复它回答的问题。【流程节点链路】: 【原始观测】→【分组均值】→【误差棒类型】→【读者推断】。缺少中间节点，图就从【证据】退成【示意】。

【细微】95% CI 重叠不等于差异不显著。例：两组 n=100，SD=1，均值 10.0 与 10.3；95% CI 分别约 [9.80,10.20] 与 [10.10,10.50]，有重叠，但差值 0.3 的 t≈2.12，p≈0.035。【隐式】这里可见的【重叠】是【单个均值估计区间】的视觉交叠，不是【差值区间】；真正该看的是【差值的 95% CI】或【交互效应检验】。

【极难发现】更深的盲点是：误差棒选择会改变读者的【因果注意力】。同一组数据，画【SD】像在说【个体差异大】，画【SE】像在说【均值估计稳】，画【CI】像在下【参数判断】；SD 与 SE 常差一个【√n】量级，SE 与 95% CI 半宽再差约 1.96 倍，视觉高度却常被当作同等证据。【待验证点】若一篇论文未标误差棒类型，审稿人应要求补充【差值估计+CI】，而不是只要求“把棒画清楚”。

如果期刊强制要求所有误差棒标注类型，会不会让图变吵？【可读性】与【可验证性】冲突时，该牺牲哪一个？