【锚点】这一讲只钉一个判断：【误差棒不是装饰，而是统计声明】；没有声明类型的误差棒，会把读者从【数据】直接拖进【误读】。

【显式】很多论文柱状图上的竖线可能是【SD】、【SE】、【95% CI】或【range】。同一批数据，若竖线是 SD=10，看起来差异不大；若竖线是 SE=1，看起来非常干净。差别不在数据，而在作者想让你相信的是【个体变异】还是【均值估计精度】。

【隐式】更危险的是：读者常把【误差棒重叠】当成【p>0.05】。反例：设两组均值分别为 0 和 1.8，n=50，SD=4。95% CI 大约为 [-1.13,1.13] 和 [0.67,2.93]，它们重叠；但两样本 t 检验 p≈0.027。重叠只说明【单个均值的区间】相交，不说明【差值检验】失败。

【细微】真正让图不可复现的，不是画了误差棒，而是【误差棒类型藏在图注最后一行】或根本不写。【流程节点链路】：【原始数据】→【描述统计】→【误差棒类型选择】→【坐标轴缩放】→【视觉显著性判断】→【引用与复现】。任何一环缺字段，后面都变成黑箱。

【极难发现】最反直觉的是：【误差棒越短，不一定越可信】。如果 SE 很短，可能只是 n 很大，但效应量、缺失机制、模型假设都没被展示。短误差棒可以只是【采样精度】，不是【结论正确性】。

如果期刊要求每张图必须写【误差棒类型 + 置信水平 + 样本量】，你会把不标注误差棒类型的图直接退回吗？