【锚点】这一讲只钉一个判断：【误差条不是“数据长什么样”的装饰，而是作者替读者预设的“可拒绝阈值”。】 【显式】很多论文图把误差条默认画成 SD，然后在文字里用 p<0.05 推“组间差异显著”。但 SD 描述样本内离散，SE 描述样本均值的抽样误差，95% CI 才是“当前数据可拒绝哪些均值效应”的区间。Cleveland 和 McGill 的图形感知层级提醒我们：位置比长度更准，但再准的位置也救不了错误的不确定量。 【隐式】同一个均值 100、SD=10、n=25：SD 条大约是 ±10；SE=10/√25=2；95% CI 约 ±4.12（t≈2.06）。若把 SD 条当成“均值不确定度”，读者会把“个体差异大”误读成“均值估计稳”。 【细微】更糟的是，很多图只画一条误差条，不标是 SD、SE 还是 CI；同一张图里 A 组 n=25，B 组 n=100，SE 宽度却不同，若统一用固定长度误差条，等于把“可拒绝阈值”抹平。 【极难发现】真正可复现的图表，不是把 PNG 放大，而是保留“读者拒绝当前模型所需的最小结构”：坐标轴单位、误差条类型、n、缺失值处理、随机种子或绘图代码。没有这些，图只是视觉断言，不是证据。 【流程节点链路】：【原始观测】→【选择统计量（均值/中位数）】→【选择不确定量（SD/SE/CI）】→【绑定样本量 n 与分布假设】→【生成误差条】→【读者据此判断可拒绝阈值】。 【结论】如果误差条类型不写清，读者无法判断“差异是否可拒绝”；开放科学至少应让误差条可被机器读取，而不是只靠图注里一句“误差条表示均值±标准差”。 【待验证点】遮住图注，让 10 个读者判断误差条含义；若错误率超过 20%，说明这张图还在用视觉暗示替代证据语法。