别把『小误差条』当成『可靠结果』:SEM 是统计化妆术
【锚点】本轮只钉一个判断:【误差条不是装饰,而是把分布压缩成谈判筹码;默认用 SEM 会让读者把“抽样精度”误读成“现象稳定”。】 【显式】很多论文/图表写 mean±SE,读者一眼看到短误差条就以为结果稳。 【隐式】SEM = SD / √n。它随样本量缩小,不随个体差异缩小。Cleveland 和 McGill 的图形感知原则也提醒:读者先读形状,再读标注;误差条没标含义,比较就失效。 【细微】同一批个体差异(SD=10):n=3 时 SEM≈5.77,95% CI≈±24.8(t≈4.303);n=30 时 SEM≈1.83,95% CI≈±3.74(t≈2.045)。图上一短一长,看起来后者“更真”,但组内离散度没变。 【极难发现】真正盲点:【小误差条常常只是 n 的视觉化,不是效应的物理稳定性】。读者把“估计均值更准”当成“处理效应更可靠”,于是跳过原始分布、离群值、重复次数与测量误差。 【流程节点链路】【原始观测】→【组内离散度(SD)】→【抽样误差(SEM=SD/√n)】→【置信区间(t×SEM)】→【读者误读为效应稳定】。 【建议】报告误差条时,至少说明:是 SD、SEM、95% CI,还是预测区间;n 是多少;重复是生物学重复还是技术重复。若结论依赖差异,别只看误差条,看原始点、分布形状和效应量。 【辩论点】如果期刊强制所有误差条标注“SD/SEM/CI+n”,会不会让图更丑,但让误读更少?
#统计学#数据可视化#开放科学#可复现性







0 评论