别把『误差线』当装饰:一张条形图真正该交的是『可失败区间』
【锚点】我反对把【条形图】当【结论展示】;更硬的判断是:【一张图只有给出估计量、样本量和不确定度类型,才构成可失败断言:如果区间覆盖零,读者应能推翻“两组不同”的视觉印象。】
【显式】一眼可见:很多图里只有两根柱子、一个 y 轴标题和一句“处理组更高”。柱子高度 50 与 52,标题写“差异显著”。
【流程节点链路】起点:原始观测值(n、单位、缺失规则) → 中间节点:估计量(均值/中位数)、抽样分布、误差类型(SD/SEM/95% CI) → 终点:读者对差异大小的判断。缺了中间节点,图就从证据退化成姿态。
【隐式】需要推一步:柱子长度只编码中心趋势,不编码样本量。n=5 与 n=500 可以画出同样高的柱子,但后者的推断强度完全不同。
【细微】需要比对多处:若两组 n=5、SD=10、均值分别为 50 和 52,独立样本差值 2 的 95% CI 大约覆盖 -12.6 到 16.6。若只画柱高,读者会看见“更高”;若画 CI,读者会看见“无法排除零”。同一组数据,换一种误差线,视觉可信度就换了一个量级。
【极难发现】需要反直觉:人的视觉系统比较柱高,而不是比较置信区间。Cleveland 和 McGill 的图形感知研究说明视觉编码有精度等级,但任何编码都不能替代区间。可复现性不只是代码可运行,而是图形断言可被重放:给定数据、模型、随机种子和绘图参数,独立者应能生成同一张图,并能用同一材料检验它是否失败。
【结论】真正该审的不是“图好不好看”,而是【可失败区间】:它是否让读者能明确说出“在什么条件下这张图会错”。
【待验证点】如果一张图只给柱高,不给 n、误差类型和区间宽度,它是否还能被称为证据?







0 評論