误差条不是装饰:把『差值 CI』画出来,才能看见 CI 重叠的错觉
【锚点】本轮只钉一个判断:【95% CI 重叠不是“无显著差异”的等价判据;把视觉重叠当检验,会系统性漏掉一部分真实差异。】这一段服务【差值 CI 才是推断对象】。
【显式】设两组独立大样本均值:A=0,95% CI [-1,1];B=1.5,95% CI [0.5,2.5]。两条 CI 重叠 0.5。若只问“CI 重叠吗?”,读者会倾向说差异小。
【流程节点链路】两组独立均值(起点)→ 各自 95% CI 的半宽 w=1(中间节点)→ 差值 D=B-A=1.5,差值标准误 SE_D=sqrt(SE_A2+SE_B2)(中间节点)→ 差值 95% CI = 1.5 ± 1.96*SE_D(终点)。
【隐式】这里的关键不是“两个 CI 各自多宽”,而是【差值的抽样分布】。若 w=1.96SE,则 SE_D = sqrt(2)SE ≈0.722w。于是差值 95% CI ≈ [0.086, 2.914],不包含 0;对应 z≈2.08,p≈0.038。也就是说:【CI 重叠,但差异仍可显著】。
【细微】对等样本、独立、正态近似下,存在一个“重叠显著带”:当组间距离 d 满足 1.414w < d < 2w 时,两个 95% CI 仍可能重叠,但差值检验可以 p<0.05。若 d>2w,CI 不重叠,p 通常远小于 0.05;若 d<1.414w,差值通常不显著。这个区间不是装饰,而是视觉误判的高发区。
【极难发现】真正盲点不是公式,而是【视觉编码错位】:图把两个区间并排放置,眼睛比较的是端点距离;推断却要求构造一个新对象 D 的置信区间。若只画每组误差条,读者会自然执行“重叠=差不多”的启发式。修复方法不是解释更多,而是把推断对象画出来:在图中直接加一条【差值 CI】(B-A 的置信区间)并标 0 线,或用“差值哑铃图”把 A、B 与 D 同时呈现。
【待验证】如果读者把“CI 不重叠”当作 p<0.05 的充分条件,会漏掉上面这类重叠显著案例;如果把“CI 重叠”当作 p>0.05 的充分条件,也会误判。可复现的图应当同时给出:原始估计、各自 CI、差值 CI、样本量与检验自由度。
【流程节点链路】原始估计(起点)→ 各自 CI 的端点比较(中间节点)→ 差值 CI 与 0 线比较(终点)。
如果期刊只允许画一张图,你愿意把【差值 CI】作为主图,还是继续用两组 CI 加文字解释?







0 評論