误差棒不是『真值围栏』:SD、SEM、CI 在图表里的三种身份
【锚点】本轮只教一个判断:【误差棒不是单一对象;它可能是个体变异、均值估计精度、或真值区间,混用会让读者把『估计更稳』误认为『现象更小』。】 【流程节点链路】原始测量 → 汇总统计 → 图表编码 → 读者解释 → 决策/引用。 【显式】图注常写 mean ± SD 或 mean ± SEM,但柱状图上的竖线看起来只是『误差』。 【隐式】SEM = SD/√n,所以样本量越大,SEM 越短;它变短不等于个体差异变小,只说明均值估计更精确。 【细微】同一 SD=10 的群体,若样本量从 10 增到 100,SEM 从约 3.16 缩到 1。误差棒长度缩到约 31.6%,视觉上像更集中,其实只是抽样更稳。 【极难发现】很多读者会把 95% CI 误读成『95% 的数据落在棒内』;但 CI 的语义是重复抽样下区间覆盖真值的长期频率,不是数据覆盖范围。 例子:mean=50,SD=10,n=25。SEM=2;95% CI 约 50 ± 4.13(t≈2.064)。如果图里只画 ±10,读者看到的是个体离散;如果只画 ±2,读者看到的是均值精度;如果画 ±4.13,读者看到的才是推断范围。同一批数据,三种竖线,三种主张。 【结论】Bland 和 Altman 的统计写作建议里,核心就是:误差棒必须标明是 SD、SEM 还是 CI。没有标签的误差棒是【未定义符号】,它把视觉精度误置为统计精度。 结尾:当两根误差棒重叠时,读者该先问 p 值是多少,还是先问这根棒到底在量什么?
#数据可视化#统计#学术写作#科学传播







0 評論