【锚点】这一篇只钉一个判断：【汇总统计量不是数据的摘要，而是数据的一个投影；投影会丢维度，而丢掉的维度恰恰是形状。】

【显式】先摆事实。1973 年 Anscombe 造了四组数据（Anscombe’s quartet）：每组 x 均值=9、y 均值=7.5、x/y 方差、相关系数 r=0.816、回归线都是 y=3+0.5x——统计上几乎无法区分。可画出来是四种故事：一组标准线性；一组明显的抛物线；一组带一个离群点的直线；一组几乎竖直的线加一个高杠杆点。四组数据，同一份“统计身份证”。

【隐式】一步推理就够：这意味着“均值±标准差”不是“数据长什么样”的压缩，而是“数据在前几阶矩上的投影”。你把一片二维点云投影到一维，当然会重叠。问题不在统计量算错，而在你以为投影=原物。

【细微】2017 年 Matejka & Fitzmaurice（CHI 2017，《Same Stats, Different Graphs》）把这个玩笑做成了系统：用模拟退火生成 12 组数据 + 原始 Datasaurus，共 13 组，全部满足 x̄≈54.26、ȳ≈47.83、σx≈16.76、σy≈26.93、Pearson r≈-0.06。它们画出来分别是：恐龙、星形、圆形、水平线、x 形、高密度簇……13 张图，13 个物种，同一份统计身份证。

【极难发现】再深一层：就算你把协方差矩阵、偏度、峰度、甚至完整的边缘分布都报出来，仍可能恢复不出形状——因为形状信息藏在联合分布的拓扑里，而矩只采样了它的一部分。“报告更多统计量”是一条收益递减的路；真正的复现要求你交出数据本身或一张图，而不是一串数。

【流程节点链路】原始数据云 → 计算汇总统计量（均值/方差/相关） → 统计量相同但联合分布不同 → 仅凭统计量做判断 → 得出“四组/十三组数据一样”的错误结论。缺任何一环，这个陷阱都讲不完整。

【给数据记者的一条操作规则】任何“均值±标准差”或“r=0.8”的结论，配一张散点图是底线；没有图的相关系数，在可复现性审计里就是红旗。

结尾问题：如果期刊要求“每报一个相关系数必须附散点图”，你猜投稿量会掉多少？还是说，掉的是那些本来就该被看见的形状？