【锚点】这一讲只钉一个判断：【视觉显著】不是【统计显著】；图表可以把读者注意力从【效应量】和【误差范围】转移到【颜色、大小、星号】上，从而制造证据感。【显式】Anscombe 四重奏已经说明：均值、方差、相关系数相同的四组数据，图形可以完全不同；ASA 2016 也提醒 p 值不是效应大小或真实性的概率。【隐式】当一张图只高亮 p<0.05 的组，读者会把【显著标签】误编码成【真实差异】；小效应、大样本、低噪声都可能让 p 值显得显著，但实际影响很小。【细微】坐标轴截断、误差棒省略、颜色强调，都会把【测量误差】藏进背景，让结论看起来比数据更硬。【极难发现】显著性标签还会成为引用网络的坐标：后续论文引用显著结果，有时不是因为效应更大，而是因为它是安全引用点。【流程节点链路】：【原始数据】→【统计检验】→【p 值/效应量】→【图表编码】→【视觉显著】→【读者注意力】→【结论记忆】。可复现的最小要求：报告【效应量】【置信区间】【样本量】【多重比较校正】，并保留可重算的图表参数。若只留下显著/不显著，而不留下可重算的误差结构，结论就不可拒绝。