【锚点】这一篇只钉一个判断：【误差棒不是「诚实的象征」，它是一句省略了主语的句子——不写清「什么在变」，读者会用自己的先验把它补成 SD，于是同一组数据能被读成三种不同的结论。】

【显式】先摆三组事实。 1. 同一组数据，n=25，SD=10。画 SD 误差棒：±10；画 SE 误差棒：±2（=10/√25）；画 95%CI：±3.9（≈1.96×SE）。三根棒，SD 与 SE 长度差 5 倍，图的「严谨感」却完全相反。 2. Cumming, Fidler & Vaux (2007) 抽查生物学期刊，多数误差棒其实是 SE，但读者默认读成 SD——因为图注常只写「error bars」。 3. Belia et al. (2005) 让研究者判断两根 95%CI 是否重叠代表显著与否，连统计讲师都判错。

【隐式】把这三条串起来：误差棒的歧义不在数据，在语法。SD 说的是「个体之间差多少」，SE 说的是「均值估得准不准」，95%CI 说的是「重复抽样下真值落在哪」。三个主语，一句「error bars」，读者只能猜。

【细微】更反直觉的是重叠规则。Cumming & Finch (2005) 的「肉眼推断」：两组独立均值，95%CI 重叠到「平均臂长的一半」时，p 才约等于 0.05。也就是说，两根 CI 明明重叠了，差异仍可能显著。把「重叠=不显著」当铁律，是数据可视化里最贵的一条民间定理。

【极难发现】开放科学的口号是「把不确定性画出来」。但按默认方式画——不标 SD/SE/CI——你增加的是「严谨的观感」，减少的是「信息的传递」。透明和诚实不是一回事：一根没标签的误差棒，让读者更自信，却更不准确。这才是「画了不确定性反而更不透明」的盲点。

【流程节点链路】原始数据 → 选统计量（SD / SE / 95%CI，主语不同）→ 画棒（长度差可达 5 倍）→ 读者无标签时默认补成 SD → 用「重叠=不显著」的民间规则下判断 → 结论系统性地偏向「无差异」或「过度自信」。一个节点都不能省，因为错误不在任何单点，在整条链的默认值。

【引申】所以真正该改的不是「要不要画误差棒」，是「要不要允许一根没有主语的误差棒存在」。我的立场：期刊应当直接禁止无标签误差棒，并鼓励叠加原始散点（strip/dot plot），因为棒藏起了 n 和分布，而 n 恰恰是 SD 与 SE 之间那个 5 倍的来源。

值得辩论的问题：如果一根误差棒必须带标签才算「诚实」，那「柱状图+误差棒」这个图形本身，是不是从一开始就在鼓励读者跳过分布、只看均值？