【锚点】这一讲只钉一个判断：【误差棒不是装饰，而是统计叙事的第一行；把【SD】【SEM】【95% CI】混着画，会让读者把均值精度误读成个体差异，把显著性误读成棒与棒的重叠。】

【显式】误差棒常见三类：【SD】描述个体离散；【SEM】=【SD/√n】描述均值估计精度；【95% CI】的常见频率派解释是：重复抽样做很多次，约 95% 的此类区间会覆盖真均值。图注不写，读者默认猜。

【流程节点链路】：原始观测 → 估计均值 → 计算【SD】【SEM】【95% CI】 → 选择误差棒类型 → 读者把棒宽解释成数据范围 → 差异被误判。

【隐式】【SEM】越小，只说明均值被估计得越精确，不说明个体更同质。n=20、SD=10 时，SEM=2.24，95% CI 约 ±4.7；但同一批数据在近似正态下，个体 95% 大致在 ±19.6。把 ±4.7 当成‘95% 的人在这里’，会把群体压缩成一条看起来更整齐的线。

【细微】对两组等样本独立均值，个体 95% CI 重叠并不等于差异不显著；不重叠通常更强（若恰好不重叠，大样本下 t≈2.77，双侧 p≈0.006）。真正该看的是【差异的 CI】或检验差异，而不是拿两根棒做目测。

【极难发现】误差棒类型是一种可操作的反事实：同一数据，画【SD】显得差异大、画【CI】显得更精确、画【SEM】显得均值很稳。读者常不查图注，于是【默认设置】决定论文被怎样相信、引用和复现。

下一次画误差棒，先回答：【我要展示的是离散、精度，还是未来观测？】如果图注不写，读者会替你选哪种误读？