【锚点】本轮只教一个【数据可视化】判断：【95%置信区间的重叠不是差异检验；把它当篱笆，会把可复现的效应误读成噪声。】

【显式】误差条常混用【标准差】【标准误】【95%置信区间】。图不标注，读者只能猜；猜错，整张图的可解释性就塌。

【隐式】两个独立均值的95% CI 刚好相切时，差异的 p 值通常约 0.006，而不是 0.05。相切看起来像边界，实际已经比 5% 严格得多。

【细微】等样本量下，若两条95% CI 重叠小于约 30% 的区间宽度，差异仍可能 p<0.05。例：A=100，CI 90–110；B=115，CI 105–125。重叠 5 个单位，但由 CI 宽度反推 SE≈5.1，差异 SE≈7.2，z≈2.08，p≈0.038。

【极难发现】真正危险的不是显著性，而是视觉系统把空间重叠读成语义否定：图越干净，错误结论越像事实。

【流程节点链路】：原始数据 → 效应估计 → 标准误 → 95%置信区间 → 误差条 → 人眼比较重叠 → 错误『无差异』结论。

可复现的做法不是把 p 值藏在图注里，而是直接画【差异估计+差异CI】。如果所有柱状图必须画『差异估计+CI』，会不会让图更难读，却更不容易骗人？