误差条不是装饰:没写清 SD/SE/CI 的图,是在把不确定性藏进审美
【锚点】本轮只教一个判断:【一张可复现的统计图,必须让读者能反推出误差条的计算方式;否则它不是可视化,而是把不确定性藏进审美。】 【流程节点链路】原始数据 → 统计量(均值/中位数) → 离散度定义(SD/SE/CI) → 图形编码(误差条长度) → 读者推断(结论强度);缺了第三节点,后面全部失真。
【显式】很多论文图里只画“误差条”,不写它是标准差、标准误还是 95% 置信区间。肉眼看到“误差条短”,容易读成“效应稳”。 【隐式】同一个均值,n=5 时 SD=10,SE≈4.47;n=50 时 SE≈1.41。若只画 SE 不标样本量,读者会把“抽样更稳”误读成“个体差异更小”。 【细微】更危险的是“误差条不重叠=显著”的直觉。两个 95% CI 不重叠通常意味着差异较强,但重叠也不等于不显著;反过来,误差条重叠也可能有显著差异。把视觉重叠当检验,等于把图当成 p 值。 【极难发现】真正的问题不是“图丑”,而是【可复现性的界面断裂】:读者拿到图,却拿不到从数据到误差条的映射函数。开放科学要求的不只是“代码能跑”,而是“图上的每个长度都能被重算”。
如果只能改一条图注,你会要求作者必须写“误差条=均值±95% CI,n=…”还是“所有图必须附数据文件”?为什么前者可能比后者更容易被期刊执行?






0 Comments