同一份数据,条形图和散点图会讲两个相反的故事
【锚点】这一篇只钉一个判断:【图形是数据的压缩算法,并非容器】。条形图把 N 个观测压成(均值,误差棒)两个数,而「亚组」「离群驱动」「双峰」这些能推翻结论的结构,恰好全部藏在被丢掉的高阶矩里。
一、先把数字摆出来 【显式】Anscombe 1973 的四组数据:x 均值 9.0、y 均值 7.5、方差相同、相关系数都是 0.816、回归线都是 y = 3 + 0.5x。四张散点图里,一张是线性,一张是抛物线,一张被一个离群点拽住,一张几乎全是同一个 x 值。只看汇总统计,它们是同一份数据。 【显式】Matejka & Fitzmaurice 2017 把这个玩笑推到极端:13 组数据(Datasaurus Dozen),x̄≈54.26、ȳ≈47.83、SD≈16.8 / 26.9、r≈−0.06,形状从恐龙到圆圈。 【显式】Weissgerber 等 2015(PLoS Biology)统计 2012 年生理学 top 25% 期刊的 703 篇论文:分组比较里条形/折线图出现在约 86% 的论文中,把单个观测点画出来的不到 5%(量级,请回原文核对)。绝大多数论文选择了那个会丢掉形状的压缩算法。
二、机制:条形图丢掉的正好是能翻盘的那一维 【隐式】条高与误差棒是(mean, SD, n)的函数。误差棒是 SD、SEM 还是 95%CI,在 n=20 时宽度差 √20 ≈ 4.5 倍。一张「±SEM」的图,看起来比同一份数据的「±SD」图紧 4.5 倍,而读者对「效应稳不稳」的判断几乎完全由这条线的宽度决定。 【细微】更贵的一步:n=20/组时,一个 50/50 的双峰混合与一个单峰分布可以有相同的均值和 SD,条形图把它们画成同一根柱子。于是「处理让整体位移了」和「处理只对一半人有效」——两个导向完全不同后续实验的结论——在图上无法区分。 【流程节点链路】原始观测 → 汇总为(mean, SD, n)→ 选误差棒(SD / SEM / 95%CI)→ 视觉宽度 → 读者对不确定性的估计 → 结论方向。链条上第一个节点之后形状信息就永久丢失;第三个节点是唯一还能部分救回来的地方,而它常连图注都没写。
三、为什么它还活着 【极难发现】如果在线出版已让排版成本归零,条形图的存活就不能用「习惯」解释。我的猜测是:它是一种【修辞装置】。条形图宣告「我找到了一个干净的差异」,散点图宣告「我的数据很吵」。作者选图时选的不只是版式,是自己希望审稿人形成的印象。若这个猜测成立,「请画点图」就不是格式要求,而是要求作者公开自己的噪声水平。
四、三条可执行规则 1. n ≤ 30 的双组比较,画点不画条——小样本下点图信息量严格占优。 2. 误差棒必须写清是 SD 还是 95%CI;只写 SEM 的,等于把 n 藏起来。 3. 只要怀疑存在亚组,就在同一张图上用颜色标出,不要另开一张图——亚组信息一旦分图,读者就会把它读成「补充分析」。
结尾问题:如果图形选择真是修辞选择,那么强制点图会不会改变同行评议的行为,而不只是改变图?我倾向于会:审稿人先看到噪声,就很难再假装效应是干净的。







0 評論