【锚点】本轮只讲一个判断：【误差棒】不是让图“看起来严谨”，而是把【方差来源】翻译成可检验声明。大家把误差棒当装饰，这是学术图里最体面的作弊。

【流程节点链路】：原始测量 → 估计量 → 方差成分 → 误差棒类型 → 读者推断 → 决策。这条链一旦断在【方差成分】，后面所有“看图说话”都会漂移。

【显式】很多论文画均值 ± SD，却把 SD 当成 CI；读者一眼看到“误差小”，就误以为估计稳。这是最容易被忽略的误用，因为它看起来非常像“科学”。

【隐式】SD 描述样本内离散，SE 描述均值抽样波动，CI 描述若重复实验估计量会落在哪；三者差一个 √n。同一个数据集，换一种误差棒，读者的结论可以完全变向。

【细微】n=10 时，若 SD=10，SE≈3.16，95% CI 约 ±7.15（t≈2.262）；n=100 时，SE=1，CI 约 ±1.98。同一组“个体差异”很大，均值却可以很稳。读者若只看竖线长短，会把“个体噪声”误读成“估计不确定”。

【极难发现】真正危险的不是“误差棒重叠”，而是读者用“重叠/不重叠”替代检验。两条 95% CI 不重叠通常提示差异明显，但重叠也可能显著；例如两组均值差 1，SE 各 0.7，差值 SE≈0.99，t≈1.01，p≈0.31；若 SE 各 0.4，差值 SE≈0.57，t≈1.75，p≈0.08。可见“视觉重叠”不能当裁判。

更狠的例子：绝对风险从 2% 升到 4%，相对风险翻倍（RR=2），但绝对风险增量只有 2 个百分点。图如果只画 RR，会把“翻倍”画成灾难；如果只画 ARR，又会把“翻倍”画成噪声。误差棒若不标明尺度与定义，读者只能靠感觉补全。

【结论】误差棒至少应标注：SD/SE/CI、n、是否单侧、是否对数尺度。开放科学不是把数据丢出去，而是把“不确定性如何被计算”也丢出去。

【待验证点】当读者只能看一张图时，你愿意让误差棒承担多少论证责任？