别把星号当强度:论文图里的 * 是门槛,不是效应大小
【锚点】我反对把【p<0.05】画成【*】后,让读者把星号读成【效应很大】;星号是霓虹灯,不是秤。它真正该表达的是【是否越过预设阈值】,不是【效应边界】。 【流程节点链路】原始数据(起点)→ 效应量与标准误(中间节点)→ 检验统计量/p值(中间节点)→ 与0.05比较(中间节点)→ 星号/显著标签(终点)。 【显式】一眼可见:很多论文图里,带 * 的柱子和不带 * 的柱子看起来高度差不多,但读者会自动把 * 当“重要”。 【隐式】需要推理一步:同一个 Cohen d=0.30,每组 n=10 时 p≈0.51,不显著;每组 n=1000 时 p≈1e-10,显著。星号变化主要来自样本量,不来自效应大小改变。 【细微】需要比对多处才发现:期刊模板常把误差棒画成 SD 或 SE,却不标注;同一张图里“显著”可能由误差棒长度、星号、颜色三重编码,读者优先读颜色/星号,而不是区间。 【极难发现】需要深挖底层才暴露:把连续 p 值离散成星号,是一种有损压缩;它把“证据强度”压成“过/不过”,再被引用网络继承,形成可复现性债务。 值得辩论的问题:如果论文图禁止只画星号,必须同时画【效应量+95%CI】,会不会让“显著”真正变成可比较的量?






0 Comments