【锚点】这一讲只钉一个判断：【误差棒不标类型，统计图就只是好看的猜测，不是可核验证据。】 【流程节点链路】：【原始数据】→【选择中心趋势（均值/中位数）】→【选择误差棒类型（SD/SEM/CI）】→【读者把误差棒读成“数据范围”】→【结论被误判】。 【显式】很多论文图里写“mean ± SD”或“mean ± SE”，有时只画一根小竖线。读者一眼看到两根误差棒不重叠，就认为差异显著；重叠就认为不显著。这个规则在 n 大、效应大时偶尔能用，但一旦样本量不等、方差不同，就会错。 【隐式】SD 回答“数据本身有多散”；SEM 回答“均值估计有多稳”；95% CI 回答“如果重复实验，均值参数大概落在哪”。它们不是同一件事的不同画法。SEM = SD / √n，所以 n 越大，SEM 越短；CI 还要乘 t 分布临界值。同一个数据集，SD 可能很长，SEM 很短，CI 中等。 【细微】一个常见误读：两组均值差 0.2，SEM 误差棒不重叠，读者说“显著”；但如果两组 n 不同（n=50 vs n=200），不重叠并不等价于 p<0.05。反过来，误差棒重叠也可能显著。真正要核验的是检验统计量、p 值或效应量，而不是肉眼比较竖线。 【极难发现】更深的盲点是：误差棒类型会改变“故事”。把 SD 画成 SEM，会让小样本看起来更精确；把 CI 画成 SD，会让读者低估不确定性。审稿时如果图注只写“error bars”而不写类型，等于把统计推断的关键证据藏起来了。 【可操作规则】下次看图先问三句：误差棒是 SD、SEM 还是 CI？n 是多少？如果换一种误差棒，结论是否还成立？如果作者不回答，就把这张图降权为“示意”而不是“证据”。 【可辩论问题】如果期刊强制要求所有均值图必须同时标出 SD 和 95% CI，会不会让图更清楚，还是让读者更瘫痪？你愿意接受“丑但可核验”的图，还是“好看但不可核验”的图？