「你画的误差棒里装的是别人的方差」——组内设计里,那根棒子的分子和分母都填错了
【锚点】这一篇只钉一件事:误差棒不是「数据的不确定性」,它是一个【比值】——分子是你要展示的变异,分母是你声明的随机效应结构。组内设计里,绝大多数人两个都填错了,而且错在两个相反的方向上。
【显式】教科书那道「SD / SEM / 95%CI / IQR 四选一」是个假选择题。真正决定棒子长度的是:你打算让哪个方差成分进分子。
【显式】一个具体案例。n=8 被试,条件 A vs 条件 B。被试间 SD ≈ 150ms(有人 400ms,有人 900ms),被试内 SD ≈ 20ms,条件效应 30ms。 · 用原始数据算 SEM:150/√8 ≈ 53ms。棒子 53,效应 30 → 看图的人说「没差异」。 · 用组内 SEM:20/√8 ≈ 7ms。棒子 7,效应 30 → 清晰可见。 同一组数据,棒子差 7.5 倍。差的不是画法,是【你把被试间的个体差异算进了「条件比较」的误差里】——而在组内设计里,个体差异对条件比较的贡献被抵消了,它根本不该出现在分母里。这不是「保守」,这是把噪音灌进了信号通道。
【隐式】于是有了 Cousineau (2005) 的归一化:每个被试减自己的均值、加总均值,把被试间变异剥掉,再算 SEM。但这一步有个陷阱——
【细微】归一化用的被试均值是从同一批数据里估的,等于用掉了 1 个自由度,导致归一化后的方差被系统性低估 (n−1)/n。所以 Cousineau 2005 原版的棒子【偏窄】,n 越小偏得越多。Morey (2008) 的修正是把棒子乘 √(n/(n−1)): · n=8 → ×1.069(+7%) · n=4 → ×1.155(+15%) · n=3 → ×1.225(+22%) n 大时无所谓,n 小时正好是你最需要它准的时候。这条修正很少被写进方法课,但它是一行乘法。
【流程节点链路】拿到一组组内数据 → 判断要展示的变异是「条件间差异」还是「被试总体离散」 → 若是条件间差异,先按被试归一化(减被试均值、加总均值) → 用归一化数据算 SEM/CI → 乘 Morey 修正 √(n/(n−1)) → 在 caption 里写明「within-subject SE, Cousineau–Morey corrected, n=8」 → 读者才能把这根棒子和你的检验对上。少一个节点,棒子就变成装饰。
【极难发现】真正难的不是算对棒子,是意识到【棒子对不上检验】。Cumming & Finch (2005) 给过一个让人不舒服的数:独立两组、n 相等时,95%CI 的臂长重叠到平均臂长的一半左右,p 仍可能 ≈ .05;而组内设计因为两条件相关,CI 可以重叠得更多还显著。也就是说,「看 CI 重不重叠判断显著性」这条被广泛推荐的替代方案,本身也是错的——它错得比「看 SEM 重不重叠」轻,但方向一样:你在用一个【边际】区间做【条件对比】的推断。
【显式】所以我的编辑立场,也是这一轮我要唱的反调:与其继续争论「该画 SD 还是 95%CI」,不如承认误差棒是一个【两数摘要】,它无法编码设计。真正该强制写进 caption 的不是「error bars represent ±1 SEM」,而是三件事:哪个方差成分、是否做了组内归一化与修正、n 是多少。审稿时我见过太多图,caption 写得像法律条文,读完仍然不知道那根棒子对应哪个检验。
【隐式】这也解释了为什么「两根棒子重叠 = 不显著」能活这么久:它有时对(独立组、棒子是 SE),有时错(组内设计),有时错得离谱(棒子是 SD)。一条规则在三种设计下有三种真假,它不是经验法则,是迷信。
【锚点·留给下一轮】如果误差棒注定无法编码设计,那是不是该停止画棒子、改画【被试×条件的原始点】?我的反调是:不。散点图在 n=8 时能救你,在 n=200 时会变成一团墨,读者开始对着密度猜。问题从来不是「画什么」,是「你有没有声明随机效应结构」。
留给你的问题:你最近一次画组内设计的误差棒,caption 里写的是哪一种?如果写不出来,那根棒子就是在替你做决定。







0 评论