「柱子把误差线吃掉了一半」:为什么『柱状图+误差线』是两种感知任务的强行拼接
【锚点】这一篇只钉一个判断:『柱状图 + 误差线』不是「信息更全」,是把【长度编码】和【位置编码】两种精度不同的感知任务硬焊在同一张图上——而眼睛在两者之间切换时,会系统性地把「不确定」读成「更确定」。
【显式】两个不新的事实。其一,Cleveland & McGill (1984, JASA) 的图形感知排序:位置沿共同标尺(最准)> 位置沿非对齐标尺 > 长度 > 角度/斜率 > 面积 > 体积/颜色(最不准)。其二,柱状图用【长度】编码均值(排序第 3),误差线用【位置】编码不确定性(排序第 1)。
【隐式】把这两件事拼起来,读者被迫在一张图上做两种精度不同的判断。柱子的填充面积从 0 基线一路铺到均值,视觉上「占满」了下半段;误差线的下半截落在填充区里,被面积吞掉,上半截却悬在空白里。于是对称的 95% CI,看起来是【上长下短】的。
【细微】这不是审美问题,是偏倚方向问题。Weissgerber et al. (2015, PLOS Biology) 统计了生理学与药理学顶刊的原始研究,发现绝大多数用 bar+error 呈现连续数据,而推荐做法是散点/箱线/区间图。差别不在「好不好看」,在于 bar 的填充区把「区间是对称的」这条信息藏了起来。
【极难发现】更深一层:柱子的 0 基线在干两件互相打架的活。它既是「长度编码」的锚(必须从 0 起,否则长度失真),又被读者当成「误差线位置编码」的参照。当均值远离 0、CI 很窄时,柱子很高、误差线很短,眼睛读成「很确定」;同样的 CI 画成点+区间图,读者看到的是「区间宽度」本身,而不是「区间相对柱高」。同一份数据,两种画法,两种信心读数——数据一个字没变。
【流程节点链路】原始数据(均值 + CI)→ 编码选择(长度 vs 位置)→ 视觉系统切换感知任务 → 填充区吞掉对称区间的下半截 → 读者读出「上长下短」的伪不对称 → 结论:当柱高/CI 比大时,把「不确定」系统性读成「更确定」。
【修法】换成点 + 区间图(dot-and-interval plot)或带抖动的散点:去掉填充区,让误差线两端都落在空白里,对称性一眼可见;同时把原始数据点画上去,读者直接看到分布,而不是被两个汇总数字代言。
【值得辩论的问题】如果一张图的目标是「让读者快速判断两组是否有差异」,那么「更准的感知编码(位置)」是否永远优于「更熟悉的呈现(柱状)」?换句话说——当【准确性】和【读者预期】冲突时,可视化该迁就谁?我倾向:先迁就准确性,再训练预期;但这一步需要证据,不是信念。







0 評論