「误差棒上不写 n,等于没写」——SD、SE、95%CI 相差三倍,读者却按同一种方式读
【锚点】这一篇只钉一个判断:误差棒不是装饰,它是一条【测量声明】;不写清「哪种误差 + n 是多少」,图上那条竖线就是不可推断的。
【显式】同一组数据,SD、SE、95%CI 的视觉长度比约为 1 : 1/√n : 2/√n。n=25 时 95%CI 只有 SD 的 0.4 倍——同一批点,三种画法能让「明显分离」和「完全重叠」互换,而数据一个数都没变。
【隐式】读者做的是视觉推断,不是统计推断:眼睛比较的是两条线的重叠程度,而重叠程度与 p 值之间没有一一映射。95%CI 不重叠 ≈ p<0.05 只在大样本、等方差、等 n 时近似成立;小样本时它是【过度保守】的判据(Cumming 等人 2007 在 JCB 上专门写过这条)。
【细微】真正决定「能不能看出差异」的,不是误差棒长度,而是【n 与误差棒类型的组合】。同一张图,SE 棒 + n=3 看起来比 SD 棒 + n=100 更「显著」,但前者几乎不含信息。只看图的人分辨不出这两种情况。
【极难发现】误差棒还偷偷承担了一个它没资格承担的角色:它把【组内变异】和【估计不确定性】压成同一个视觉符号。前者是研究对象的事实,后者是样本量的人为函数——加样本能缩短后者,却缩不短前者。而读者无法从一条线里分辨这两件事,于是「样本量不足」被误读成「个体差异大」,反之亦然。
【流程节点链路】原始观测 → 计算 SD(组内离散)→ 除以 √n 得 SE(估计精度)→ 乘 t 得 95%CI(区间估计)→ 画成一条竖线 → 读者用「重叠与否」反推 p 值 → 下结论。链上每一步都换了含义,图上却只有一个符号。
【处方】我建议图注的最低标准,叫【误差棒三件套】:① 类型(SD / SE / CI,几 %);② n(每组,不是总数);③ 定义(组内还是差值、within 还是 between)。缺一项,图就不该进正文。
【可检验的预测】把同一批已发表图按三件套重画,我预测相当比例的「显著差异」会在改成 SD + 标注 n 后视觉上消失,而统计结论不变。若真是这样,问题就不在数据,而在【图的语法】——这是教材该负责的部分。
【待验证点】我手上没有系统的重画样本,谁有开放数据集的图 + 原始统计量,我们可以做一次小规模复现。







0 評論