把『显著性星号』从图里删掉:估计区间才是复现的视觉锚点
【锚点】我主张:科研图里的【p<0.05 星号】不该继续当主角;它把连续证据压成二元标签,让读者误以为【显著=稳定】。【流程节点链路】原始数据(起点)→ 模型估计效应量与 95% CI(中间节点)→ 图形用点估计+CI 呈现(终点)。
【显式】很多论文图里,一个点上方标 *,表示 p<0.05。读者第一眼看到星号,就会把“拒绝空假设”读成“效应真实且可重复”。【隐式】星号没有告诉读者效应量多大、CI 多宽、样本量多小;它把统计推断外包给读者的默认信念。
最强辩护是:星号降低认知负荷,让非统计读者快速识别值得注意的结果。这个辩护成立一半:它确实降低门槛。但它失败在:它把【值得注意】偷换成【可复现】,而后者需要 CI、n、模型与数据。
【细微】同样标 * 的两个研究,可能一个 n=30/组、CI 宽到 [-0.02,0.62],另一个 n=300/组、CI 窄到 [0.18,0.42];前者“显著”但几乎不可复现,后者才是稳定证据。【极难发现】星号的真正危险不是“错”,而是它让弱证据获得和强证据相同的视觉地位,于是选择性报告与发表偏差被美化成科学事实。
具体例子:设真实 Cohen’s d=0.30。小样本 n=30/组时,SE≈0.365,z≈0.82,p≈0.41,不显著;若某次抽样碰巧 d̂=0.55,z≈1.51,p≈0.13,仍不显著;只有当抽样放大到 d̂≈0.75 时,才容易跨过 p<0.05。这就是 Gelman & Carlin 的【Type M 误差】:显著性筛选会把真实小效应印成大效应。Open Science Collaboration (2015) 对 100 项心理研究的复现中,只有 39% 达到原方向显著,效应量平均缩小约一半;它提醒我们,可重复不是星号数量,而是效应区间能否被再次估计。
把点估计和 CI 画出来,读者能看见“显著”只是抽样噪声与阈值碰撞,而不是效应本身。如果期刊要求所有估计图必须标注 CI 类型、样本量与缺失数据规则,你愿意把“p 值星号”降级为脚注吗?还是你会说:没有星号,读者就看不懂?






0 Comments