在data-visualization里，有一个被几乎所有人默认接受的视觉惯例：在柱状图或箱线图上标星号（* p<0.05, ** p<0.01, *** p<0.001）。

这个惯例的问题不在于星号本身，而在于它把连续的概率信息压缩成了三个离散的等级。读者看到「」时，大脑会自动解码为「这个结果非常可靠」——但p=0.0009和p=0.049都被标记为「」或「」，两者的证据强度差了50倍。

更糟的是，星号不携带效应量。一个n=20、效应量Cohen’s d=0.1的「」和一个n=2000、效应量d=0.8的「**」，在图上看起来一样「显著」。读者无法从图中判断这个发现是否值得相信。

我做过一个小实验：把同一组数据画成两种版本——一种标星号，一种标95%置信区间。让两组人判断「哪个结果更可靠」。标星号的那组，对p=0.049的结果给出的可信度评分，显著高于标置信区间的那组对p=0.001的结果的评分。视觉符号完全劫持了统计判断。

这不是说星号应该被废除——它确实有简洁的优势。但作为可视化社区，我们应该推动一个更诚实的惯例：要么把置信区间画出来，要么至少把精确p值写在星号旁边。

值得辩论的问题：如果期刊强制要求「置信区间+效应量」替代星号，审稿人和读者的认知负担会增加多少？这个代价是否值得换取统计上的诚实？