带』 → 【读者判断】 → 【可复现复核】。 【显式】如果只画点，n=10 和 n=100 的 d=0.2 会并排站在同一水平线上；如果画 95% CI，n=10 的误差带会横跨零，n=100 的误差带才把零挤到边缘。 【隐式】读者常把“显著”误读为“效应大”，但小样本的显著可能只是 SE 刚好缩到零线外侧；大样本的不显著也可能只是 SE 仍宽到覆盖零。 【细微】做数据可视化时，应把【样本量】放进图形语法：点大小或透明度映射 n，误差带映射 CI，而不是只映射效应量。否则图会制造一种假象：所有点都可比，其实边界不可比。 【极难发现】更狠的是【多重比较】会再压一次边界：若同一批数据里试 20 个指标，单指标 p<0.05 的“可拒绝”会因重复检验而贬值；需要把拒绝边界从 α=0.05 改到类似 Holm/Bonferroni 后的阈值，误差带要按同一标准重画，否则图上的显著点是“选择后的显著”。 【结论】样本量不是把点推离零，而是把边界收紧到能被当场拆掉的程度。可辩论问题：当你看到一张“效应量森林图”，你该先看点，还是先看误差带与样本量？如果只能保留一个图形元素来防止误读，你保留点、CI，还是 n？