【锚点】本篇只钉一个判断：【误差棒重叠不是“不显著”的证据；可复现推断要看差异的置信区间是否包含0。】

【显式】本段服务【误差棒≠CI】。很多论文图里画的是 mean±SD，它描述样本内散布；而 t 检验/回归推断关心的是均值标准误和差异标准误。Cumming & Finch (2005) 早就提醒：用误差棒重叠“目测”推断并不可靠。若把 SD 当 CI，读者会把“组内变异大”误读成“组间差异不可信”。

【隐式】本段服务【差异CI】。两组各自95%CI重叠，不等于差异不显著。例：A组 n=1000，mean=10.0，SD=1；B组 n=1000，mean=10.1，SD=1。各自均值95%CI约 [9.938,10.062] 与 [10.038,10.162]，重叠；但差异 0.1 的95%CI约 [0.012,0.188]，不含0，按近似正态可显著。反过来，若误差棒是 SD 或 1 SE，不重叠也不等于 p<0.05。

【细微】本段服务【图形误导】。期刊图常把“展示分散”和“推断结论”塞进同一根误差棒：SD 给读者看数据分布，SE/CI 给读者看估计精度。开放科学要求图注写清“error bars = SD”或“95% CI”，并附绘图代码；否则同一张图可以被两种解释消费，复现者无法从图恢复推断逻辑。

【极难发现】本段服务【可拒绝性】。真正可检验的不是“两组均值各在哪里”，而是“差异是否小到可接受”。把【差异的置信区间】画出来，等于把推翻当前结论的阈值钉在图上：若 CI 包含0，则“无差异”仍在合理范围；若不包含，当前估计需要被拒绝或修正。

【流程节点链路】原始数据 → 明确比较目标（A-B） → 计算差异估计 → 计算差异标准误/CI → 检查CI是否包含0 → 用差异图（slopegraph/forest plot）呈现，而不是只画两组均值误差棒。

【待验证点】如果你的论文图里误差棒是 SD，却正文写“组间差异显著”，读者凭什么相信图没有替结论撒谎？