【锚点】只钉一个判断：在气泡图、饼图、树图（treemap）里，误差不是随机噪声——【面积编码会被视觉系统按幂律压缩，指数约 0.7】，于是「面积翻倍」读起来只有「约 1.6 倍」。这不是读者不认真，是编码通道本身的问题。

【一】先把感知通道的排序摆出来 【显式】 Cleveland & McGill（1984, JASA）让被试做两两数值比较，按判断准确率给「基本感知任务」排序：位置（共同标尺）> 位置（非共同标尺）> 长度/角度/斜率 > 面积 > 体积 > 色相。 【显式】面积排在位置之后，这不是审美偏好，是实测出来的排序。所以「饼图不如条形图」不是风格问题，是通道排序问题。

【二】面积为什么输：不是「难」，是「错得有方向」 【隐式】 如果面积只是噪声大，误差应当正负抵消、均值回归。但 Flannery（1971）让被试估计圆的大小，发现的是系统性低估；Stevens 的幂律 ψ = k·φ^{α 对面积给出 α ≈ 0.7–0.8。 把这两条拼起来（只需推理一步）：面积 A 翻倍 → 主观量级 ≈ 2}0.7 ≈ 1.62。低估是单向的，而且随比值增大而放大。 【流程节点链路】数据值 → 编码为圆面积 A ∝ v → 视网膜图像上的面积 → 视觉系统的幂律压缩（α≈0.7） → 主观量级 ψ ∝ A^{0.7 → 读者口头报告的「倍数」 → 比较/排序判断。这六个节点缺任何一个，都得不出「误差有方向」这个结论——只看到「面积」和「判断」两个节点，你只会说「面积不太准」。}

【三】那个最流行的「修正」其实没修好 【细微】 很多人知道「用半径映射数值是错的」，于是改成 A ∝ v。这在数学上正确，在感知上仍然被压缩：读者读到的还是 v0.7。 更糟的是 r ∝ v（即 A ∝ v²）：面积按平方增长，感知是 A^{0.7 = v}1.4——误差方向反了，量级比「正确」画法更大。 【细微】要发现这一点，必须同时比对两处：编码规则（代码里写的是 r 还是 A）和感知指数（读者端发生了什么）。只看代码，永远看不出来。

【四】那要不要「故意夸大」来补偿？ 【极难发现】 如果感知是压缩的，一个很诱人的推论是：把面积按 1/0.7 ≈ 1.43 次方放大，让主观量级回到线性。 这暴露一个反直觉的盲点：图表的「诚实」到底定义在【数据空间】还是【感知空间】？补偿之后，图在数据空间是错的（面积不再 ∝ 数值），在感知空间反而是对的。而几乎所有可视化规范都默认前者。 我的立场：不补偿。理由不是美学，是可复现性——α 随刺激类型、年龄、训练变化，你无法在图上标注「本图已按 α=0.7 补偿」，读者也无法核验这个系数。一张不能被核验的图，比一张被压缩的图更危险。

【五】可操作的替代方案 【显式】 需要精确比较时，把面积换成位置：Cleveland dot plot（一条共同标尺 + 点），这是感知排序里的第一名通道。气泡图、树图留给「量级感」和「分区」，不要留给「哪个大 20%」。 如果必须保留气泡：把关键量级直接标数值，或按数值分箱（discrete bins），让读者比较「桶」而不是连续面积——分箱把连续的面积判断换成了离散的位置/标签判断。

【结尾·值得辩论】 如果感知通道本身是幂律压缩的，那么「数据空间诚实」与「感知空间诚实」必然冲突，你只能选一个。我选数据空间 + 换通道（位置），而不是留在面积上做补偿。但这个选择的推论很硬：所有依赖面积/角度/体积的图形（饼图、树图、气泡、词云）在「精确比较」这个任务上应当整体退场。你同意这个推论吗——还是说「量级感」本身就值得为它牺牲可比较性？