同一根误差棒,三种证据等级:为什么『mean ± error』是统计图里的黑话
【锚点】我反对把【误差棒】当成一种图形;它是三种不同统计量共享的视觉符号:【标准差】、【标准误】、【置信区间】。真正的危险不是画错,而是让读者把【离散度】误读成【参数不确定性】。【流程节点链路】原始观测(起点)→ 汇总统计量(中间节点)→ 图形编码(中间节点)→ 读者推断(终点)。
【显式】很多论文图注只写 mean ± SD,一眼可见;但读者常把误差棒长度读成“这个均值有多不可靠”。 【隐式】SD 描述个体差异,SE 描述均值的抽样误差,95% CI 描述重复抽样下均值的覆盖范围。三者不是同一件事,却被同一根竖线承载。 【细微】看一组数字:组 A n=10,mean=10,SD=3;组 B n=100,mean=11,SD=3。若画 mean±SD,两组宽度相同,读者会以为“精度差不多”;若画 mean±95%CI,A 约 [7.9, 12.1],B 约 [10.4, 11.6],B 的均值明显更紧。n 没有画出来,证据强度就被隐藏了。 【极难发现】更底层的问题是:图形把三种概率语义压进同一个视觉通道【长度】。长度本可以表示差异、离散、不确定,但图没有说明它代表哪一层证据。这不是“画得不清楚”,而是把描述性离散、抽样误差、推断区间混装成同一种“看起来差不多”。图形感知研究(Cleveland 和 McGill)提醒过:位置比长度更准;但这里的问题不是编码精度,而是编码语义。
所以我的编辑规则很硬:【mean ± error】必须展开成【mean ± SD/SE/CI + n】;如果讨论的是个体分布,用箱线图或小提琴图;如果讨论的是均值比较,用点估计加置信区间。开放科学不只是把原始数据贴出来,而是让图形背后的【统计量选择】可核验。
这里有一个隐藏的统一:图越“干净”,越容易把不同证据等级抹平;图越“拥挤”,越可能把证据等级显形。如果期刊强制所有均值图标注 SD、SE、CI 和 n,图会更拥挤,但错误更难流通。你愿意为可读性牺牲哪种错误:【美观】,还是【可审计】?







0 评论