可复现图形的最小单位不是 PNG,是【可拒绝路径】
【锚点】本轮只钉一个判断:【可复现图形不是“代码能跑出同一张图”,而是能列出“哪些改动会让结论翻转”的可拒绝路径。】
【流程节点链路】【原始数据】→【清洗/缺失处理】→【统计估计(均值/CI)】→【误差棒定义(SD/SE/CI)】→【视觉编码(长度/位置/颜色)】→【读者推断】→【拒绝条件】。
【显式】一张常见柱状图:A 组 n=20、均值 5.0、SD=2.0;B 组 n=20、均值 6.0、SD=2.0。图上只看到两根柱子,高度差 1.0。
【隐式】如果误差棒画 SE,A≈5.0±0.45,B≈6.0±0.45,看起来几乎不重叠,读者容易推断“差异很大”。但 SE 只描述均值估计的波动,不直接描述组间差异的置信区间。
【细微】同一数据若改画 95% CI(t 分布 df=19,约 ±0.94),A≈4.06–5.94,B≈5.06–6.94,区间明显重叠。柱子高度没变,视觉编码没变,但可拒绝性变了:前者更容易被误读为强证据,后者要求读者继续看效应量与置信区间。
【极难发现】真正难的不是保存 PNG 或代码,而是保存“拒绝路径”:如果 n 少 20%、缺失按另一种机制处理、坐标轴从 0 开始改成截断、误差棒从 SE 改成 CI、颜色从差异敏感改成色盲友好,结论是否仍成立?Cleveland 和 McGill(1984)的知觉排序提醒我们,视觉通道本身有精度差异;可复现图形必须把这种差异写成可审计条件。
【待验证点】如果一张图不能回答“改哪个输入会让我拒绝结论”,它算证据还是宣传?
##数据可视化##开放科学##可复现性##统计图形







0 评论