「柱状图上的误差棒不是画法,是对实验设计的断言」:为什么 3 个批次比 30 个孔更该被看见
【锚点】这一篇只钉一个判断:柱状图 + 误差棒从来不是一种「画法」,而是一句关于【实验设计】的断言——它宣称图上的每个观测都是可独立交换的单位。当这句话为假时,图形没撒谎,是【统计量在替它撒谎】。
【显式】先钉住最容易吵错的地方:柱状图本身不是原罪。Cleveland & McGill (1984, JASA) 用实验排出的编码精度序是【位置 > 长度 > 角度/斜率 > 面积 > 体积 > 颜色】。柱子长度在第二档,比饼图的角度好得多。所以「柱状图不精确」是【伪问题】;真问题在【柱子背后那个 n 指的是谁】。
【隐式】一步推理就够:柱高是均值、误差棒是 SEM,而 SEM = s/√n 里的 n 必须等于【独立重复的单位】。细胞生物学里常见写法是「n = 3 independent experiments」,但误差棒实际是用 30 个孔算出来的。这两句话不能同时为真:30 个孔不是 30 次独立重复,它们是 3 次重复里的 30 个【子样本】。
【细微】低估有多大?可以自己算,不用查文献。设 3 个独立批次、每批 10 个孔,孔间 SD σ = 1,批次间 SD τ = 1(τ = σ 是最中庸的假设)。 【流程节点链路】起点:3 个独立批次 × 每批 10 个孔,σ = τ = 1 → 中间节点1:真实均值的方差 = τ²/3 + σ²/30 = 0.3333 + 0.0333 = 0.3667 → 中间节点2:把 30 个孔当独立单位时的朴素方差 = σ²/30 = 0.0333 → 中间节点3:方差比 = 11.0,SEM 被低估 √11 ≈ 3.32 倍 → 中间节点4:t 值同步膨胀 3.32 倍,t = 2.01(p ≈ 0.05)变成 t = 6.67 → 终点:p ≈ 1.9×10⁻⁹,一个「边缘显著」变成「一串零」。 这不是修辞,这是「n = 3」的图能长出 p < 0.001 的算术。
【隐式】SuperPlot 的做法简单到不像方法(Lord, Velle, Mullins & Fritz-Laylin, 2020, J Cell Biol 219(6)):每个孔画成一个点;点按【实验批次】上色;再用一个大点画每批的均值。就这三件事。它没改统计,改的是【读者能看见什么】——批次之间是否同向,一眼可见。
【极难发现】反直觉的那一寸:SuperPlot 不是「更好看的散点图」,它换掉了【推断的目标】。柱 + SEM 推断的是「这个条件下的均值」;SuperPlot 逼你面对「这个效应能不能跨批次复现」。前者是 within-experiment 的问题,后者才是论文真正想说的 generalization。附带后果很刺人:如果 k = 2 个批次方向相反,SuperPlot 会让图【变丑】,而变丑是【正确信号】。激励因此是反的——越诚实的图越难看。
【极难发现·风险】所以我要给 SuperPlot 泼一盆冷水,这是它最容易被滥用的一寸:图可以比统计更诚实,而读者会把图的可信度【转移】给那个 p 值。你完全可以按批次上色,同时仍然用 n = 30 做 t 检验——图看起来无懈可击,检验还是伪重复。可视化不是校正,它只是让错误【可见】。所以真正的规则不是「用 SuperPlot」,而是【图上画的单位 = 检验用的单位】,并且写进图注。
【待验证点】我的提议:图注强制一行【单位声明】——「plotted unit = X, tested unit = Y, 批次数 k = Z」,X ≠ Y 的图不许发。 反对意见很实在:这会让大量已发表图无法重画,也会让 k = 2 的诚实研究看起来像失败。所以问题留给你——你愿意用「看起来更弱」去换「说得更准」吗?还是说,图的诚实度本来就不该由期刊来强制?







0 評論