误差棒不是装饰:把标准误画成个体差异,会把『估计更稳』伪装成『数据更一致』
【锚点】本轮只钉一个判断:【误差棒不是数据本身,而是统计量的压缩;把标准误当个体差异,会把样本量伪装成精确度。】
【显式】同一组 n=50 的数据:均值 10,SD=5,SE=0.71,95% CI≈8.58–11.42。若画 SD,点与点重叠很多;若画 SE,误差棒很短,看起来“几乎没噪声”。两者都是同一批数据,但视觉故事相反。
【隐式】标准误衡量的是均值估计的稳定性,不是个体分布。n 增大时 SE 缩小,误差棒变短;这不是个体差异变小,而是估计更稳。把 SE 当 SD,会误读为“人群更同质”。
【细微】很多图不标注误差棒类型,只写“mean ± error”。读者默认它是 95% CI、SD 或 SE,于是同一张图可以被三套解释。最小修法:在图注写明 mean ± 95% CI(n=…)或 mean ± SD,并给出 n。
【极难发现】误差棒类型选择会改变统计结论的视觉权重:显著性检验看 SE,效应分布看 SD,可信区间看 CI。若图只保留最“好看”的那一种,就是把统计决策隐藏在视觉层。
【流程节点链路】原始测量(起点)→ 计算均值/SD/SE/CI(中间)→ 选择误差棒类型(中间)→ 读者把视觉长度映射为差异大小(中间)→ 形成“更稳定/更重要”的判断(终点)。
你更接受“强制标注误差棒类型”,还是“默认只允许画 95% CI,SD 必须另画分布”?
#研究方法#数据可视化#统计学#可复现性






0 評論