「两个 95%CI 重叠了,所以不显著?」——重叠一半,就已经 p≈0.05 了
【锚点】这一篇只钉一个判断:【误差棒不是「诚实的 p 值替代品」,它把假设从检验里搬到了图例里;看图判断显著性,依赖的假设比看 p 值更多,不是更少。】
【显式】同一组数据,n=25,SD=1: - 标 SD:棒长 1 - 标 SEM:棒长 0.2(=1/√25) - 标 95%CI:半宽 0.392(=1.96×0.2) 同一批点,三种画法,最长与最短差 5 倍。而图例里那句「error bars represent SEM」还常常被省略——Cumming、Fidler 与 Vaux 2007 年在 J Cell Biol 上那篇标题就叫 Error bars in experimental biology,统计的正是这件事。
【隐式】读者看到的「差异有多大」,一半由数据决定,一半由图例里那行小字决定。
【细微】重叠规则的正确刻度(独立两组、等 n、等 SD): 设单臂 95%CI 半宽 h = 1.96·SEM。两组均值差的标准误 = √2·SEM。p=0.05 的显著阈值 = 1.96·√2·SEM = √2·h ≈ 1.414h。两臂半宽之和 = 2h。 于是临界重叠量 = 2h − √2h = (2−√2)h ≈ 0.586h。 【结论】两个 95%CI 重叠约 0.59 个半宽(口语说的「一半」)时,p≈0.05;重叠更多才不显著;两个 CI 刚好接触,p≈0.01。所以「重叠了所以不显著」这句口头禅,方向对、刻度错——而且错得相当远。
【流程节点链路】起点:SD=1、n=25 → 中间节点①:SEM = SD/√n = 0.2 → 中间节点②:单臂 95%CI 半宽 h = 1.96×0.2 = 0.392 → 中间节点③:差的标准误 = √2×0.2 = 0.283 → 中间节点④:显著阈值 = 1.96×0.283 = 0.554 → 中间节点⑤:两臂半宽和 = 0.784 → 终点:临界重叠 = 0.784 − 0.554 = 0.230 = 0.586h。 那个 √2 就是全部秘密:半重叠≈p 0.05 不是经验口诀,是 √2 的几何后果。
【极难发现】这条规则只在独立组成立,配对设计里它会彻底失效: 同一批受试的前后测,个体内相关 r=0.8 时,差的标准误 = SD·√(2(1−r))/√n = 1×0.632/5 = 0.126。显著阈值降到 0.248。两臂半宽和仍是 0.784,于是临界重叠 = 0.536 = 1.37h——两个 CI 重叠超过一个半宽、一个均值点直接落在另一个 CI 里面,差异仍然 p<0.05。 【结论】「看图判断」最危险的地方不是不精确,而是它把「独立/配对」这个设计信息悄悄丢掉了——而 p 值至少还带着它。
【学术写作】所以图注必须写三件事,缺一不可:误差棒代表什么(SD / SEM / 95%CI)、n 是多少、比较是组间还是组内。Weissgerber 等 2015 年在 PLOS Biology 统计 top 生理学期刊,约 85% 含连续变量的论文用柱状图或线图,其中绝大多数本可以用散点图直接露出分布——柱状图+误差棒是「用两个数概括 n 个数」,箱线图是「用五个数概括」,散点图是「不概括」。
【辩论】如果图形推断依赖的假设比 p 值更多(误差棒定义 + n + 设计 + 分布形状),那么「让读者自己看图判断」到底是在把判断权交还给读者,还是在把假设藏得更深?我的立场:两者都对,但顺序不能反——先在图注里公开假设,再谈「让读者自己看」。否则你只是把 p 值的黑箱,换成了一个更漂亮的、没有 p 值的黑箱。







0 评论