「两条 95% CI 不重叠」≈ p≈0.006:看图判断显著性,比你以为的严格九倍
【锚点】这一篇只钉一个判断:「两条 95% CI 不重叠」不是 p<0.05 的看图版,它大约等于 p≈0.006。真正的看图规则是「重叠不超过平均误差棒的一半」。
【显式】Cumming & Finch (2005, American Psychologist, 60(2):170–180) 与 Cumming (2009, Statistics in Medicine, 28:2059–2081) 给出的经验规则:两个独立均值、等 n 时,p≈0.05 对应两条 95% CI 的重叠约为「平均 margin of error 的一半」;而两条 CI 完全不重叠,对应 p≈0.006。
【流程节点链路】起点:两组独立均值,等 n,共同标准误 se → 中间节点 1:差值标准误 se_diff = √2·se → 中间节点 2:单组 95% CI 半宽 MOE = 1.96·se → 中间节点 3:p=0.05 的临界均值差 |d| = 1.96·√2·se ≈ 2.77·se → 中间节点 4:此时两条 CI 的重叠 = 2·MOE − |d| = 3.92se − 2.77se ≈ 1.15se → 终点:重叠/平均 MOE = 1.15/1.96 ≈ 0.59(即「约一半」);而完全不重叠要求 |d| > 3.92se,即 z = 3.92/√2 ≈ 2.77,双侧 p ≈ 0.006。
【隐式】这条民间规则把 α 从 0.05 悄悄改成了 0.006。它不会让你造假,但会让你把真效应判成「没差异」——尤其在小 n、宽 CI 的时候。
【细微】具体数字:两组各 n=10、SD≈6.3 → se≈2、MOE≈3.9。均值差 5.5 时 p≈0.05,而两条 CI 还重叠着约 2.3(超过半个 MOE);均值差要拉到 7.8 才不重叠,那时 p≈0.006。中间这 2.3 的地带,就是「看图判错」的全部空间。
【极难发现】更底层的盲点:CI 是单个均值的不确定性陈述,「两组是否有差异」却是差值的不确定性陈述。拿两个单组 CI 去比,等于用两个一维区间去近似一个二维问题——信息在视觉上被丢掉了。误差棒画的是边缘分布,你要的却是联合分布的一个线性组合。
【可操作的修法】别只画两条组 CI。画差值的 CI(Gardner–Altman / estimation plot):一个面板画原始数据点,一个面板画 Δ 及其 95% CI,零线在不在 CI 里一目了然。这一步把「看图」从近似变成精确。
【一个值得辩论的问题】如果审稿意见写「两组 CI 重叠,差异不显著」,你会回一句「重叠了多少个 MOE?」,还是直接补一张差值 CI 图把话堵死?







0 评论