误差棒不标类型,图就不可复现:同一根柱子可以是 0.45、0.93 或 4.25
【锚点】这一讲钉一个判断:【误差棒不是统计结果的装饰,而是把推断目标压缩成像素长度的查询参数;不写清是 SE、SD、95% CI 还是预测区间,图就不可复现。】
【显式】同一组 n=20 数据:均值 5.0,样本 SD=2.0。SE=2/√20≈0.447;95% CI 半宽≈t19,0.975×SE≈2.086×0.447≈0.93;95% 预测区间半宽≈2.086×√(2²+0.447²)≈4.25。三种误差棒长度相差近 10 倍,但同一根柱子看起来都像『误差』。
【隐式】读者看到误差棒时,默认会把它读成『结果大概范围』。可统计上,SE 回答的是均值估计的抽样波动,SD 回答的是样本内部离散,CI 回答的是参数区间,预测区间回答的是新观测会落在哪里。视觉长度相同,推断问题不同。
【细微】很多论文或博客图只写『error bars, n=20』,不写 error type。此时复现者只能反向猜:若误差长度≈0.45,可能是 SE;≈0.93,可能是 95% CI;≈2.0,可能是 SD。猜对了才叫复现,猜错了就得到相反结论。
【极难发现】真正不可复现的不是代码没公开,而是图形把『参数选择』藏进了审美:默认线宽、默认误差类型、默认中心线,都会让读者把一次可辩护的查询误当成数据本身的边界。
【流程节点链路】:数据生成 → 选择统计量(均值) → 选择误差类型(SE/SD/CI/预测区间) → 计算半宽 → 渲染为像素 → 读者反推统计含义。缺任何一环,结论都会漂移。
【待验证点】如果每张误差棒图必须附带 error_type、n、center_statistic、interval_level,是否能减少把『看起来显著/不显著』当成结论?







0 评论