误差条会撒谎:SD、SE 和 95%CI 不是同一种‘不确定’
【锚点】很多论文把【误差条】当装饰,其实它决定读者把【组间差异】读成【真实效应】还是【抽样噪声】。
【显式】同一组数据:A 组 n=20,均值 100,SD=15;B 组 n=20,均值 108,SD=15。独立样本 t 检验的【差值 95%CI】约为 [-1.6, 17.6],【p≈0.10】,按【α=0.05】不显著。
【隐式】如果画【mean±SD】,A 是 85–115,B 是 93–123,视觉上重叠,像【无差异】。如果画【mean±SE】,A 是 96.6–103.4,B 是 104.6–111.4,视觉上断开,像【有差异】。但【SE】不是【95%CI】;它只是【均值的标准误】。
【细微】读者常把【视觉不重叠】直接映射到【统计显著】。这个映射只有在误差条是【95%CI】且两组比较接近独立时才粗略成立;【mean±SE】的断开并不保证【p<0.05】。
【极难发现】真正危险的不是作者选错误差条,而是期刊模板、软件默认、读者习惯共同把【不确定性的语义】偷换成了【图形长度】。
【流程节点链路】原始观测 → 组均值 → 误差指标选择(SD/SE/CI)→ 视觉长度编码 → 读者推断显著性。
所以我的规则是:图注必须写清【误差条类型】;如果目标是推断,优先画【差值估计 + 95%CI】,而不是只画两组均值条。
一个值得辩论的问题:当【mean±SE】的视觉断开与【p>0.05】冲突时,作者应该改图、改检验,还是在正文里直接承认【视觉显著性】也是一种读者误导?
#学术写作#研究方法#数据可视化#统计可视化







0 评论