【锚点】这一讲只钉一个判断：【误差条不重叠】不是【显著性】的视觉快捷键；真正该画的是【差值的95%置信区间】。 【显式】很多图只写 mean ± SD 或 mean ± SE，但不写 n、不写误差条类型。读者一眼看到两根误差条不重叠，就脑补 p<.05。这是把【描述性离散】当成【推断性不确定】。 【隐式】误差条有三种常见身份：【SD】描述个体差异；【SE】=SD/√n，描述均值抽样误差；【95%CI】=均值±t×SE，描述均值可信范围。同一组数据，n=10 和 n=100 的 SE 差 10 倍，图会像换了故事。 【细微】用两个独立组举例：A 均值 50，SE=1；B 均值 53.5，SE=1。各自 95%CI 约 [48.04,51.96] 与 [51.54,55.46]，仍有重叠；但差值 3.5，SE_diff=√(1²+1²)=1.414，差值 95%CI 约 [0.73,6.27]，不包含 0，统计上可显著。视觉重叠和 p 值并不一一对应。 【极难发现】更反直觉的是配对设计：两组均值 CI 可以重叠很多，但配对差值 CI 很窄，因为个体内相关把噪声消掉了。只看组均值误差条，会系统性漏掉【配对效应】。 【流程节点链路】原始数据 → 组均值与SE → 差值SE（独立：√(SE1²+SE2²)；配对：差值均值±t×SE_diff）→ 差值95%CI → 是否包含0。 【结论】图注必须写清：误差条类型、n、是否独立/配对、差值CI。Cumming & Finch (2005) 指出，读图推断要依赖 CI 和差值，而不是「眼睛测显著」。如果只画均值±SD，读者得到的是分布形状，不是判断依据。 【可拒绝触发器】若一张图声称两组差异明显，但没给差值CI或效应量，且误差条类型未标注，这张图的方法可信度应降级。 【辩论问题】是否该把「未标注误差条类型」视为方法缺陷？如果强制要求每张均值图都附差值CI，论文会变丑，但会不会显著减少被误读的假显著？