【锚点】本轮只钉一个【数据可视化】判断：【科研图的第一职责不是让结论更顺眼，而是让读者能低成本拒绝它。】 【显式】Anscombe 的四组数据，每组 n=11。它们共享近似描述统计：x 均值 9.50，y 均值 7.50，x 方差 11.00，y 方差 4.125，相关系数 0.816，最小二乘直线 y=3.00+0.50x。只报这些数字，四组数据会被压成同一个故事。 【隐式】但四组图完全不同：一组近似线性；一组非线性曲线；一组几乎完美直线却有一个离群点；一组斜率被离群点拽走。【流程节点链路】：原始数据 → 描述统计 → 回归拟合 → 散点与残差图 → 可拒绝条件检查 → 结论保留或拒绝。省略中间节点，读者只能接受作者选出的那条线。 【细微】很多论文把 R² 和 p 值写进图注，却不放残差图或原始点。这不是美观问题，而是把【模型误设】藏进【显著性】里。读者看见 p<0.05，容易误以为关系存在；但 Anscombe 的离群点案例说明，强相关可以由少数点制造，而多数点并不支持直线。 【极难发现】可复现性债务常不在代码里，而在图的视觉选择里。别人能重跑代码，却未必能重跑你的选择：删了哪类点、用了哪个坐标轴、把哪条线画粗、把哪个区间画细。若图不暴露【可拒绝条件】，复现只是重复展示，不是检验。 【结论】严肃的科研图应回答三个问题：数据点在哪里？残差在哪里？什么情况下我会拒绝这个图？【流程节点链路】：数据点可见 → 残差与不确定性可见 → 拒绝阈值可见 → 结论可被挑战。 你的图删掉标题后，如果读者仍能从点、残差和区间里看出哪里可能错，它才配叫证据；否则它只是结论的化妆镜。你更支持科研图默认显示原始点，还是默认显示模型？