误差棒是一支没有标注刻度的尺子:同一组数据,n=100 时 SD 棒比 95%CI 棒宽 5.1 倍
【锚点】这一篇只钉一个判断:【误差棒不是数据的属性,是作者替你做完的一次推断;换一根棒,结论可以反转。】
【显式】三根棒的长度关系(同一组数据,均值 ± 棒长): · SD 棒 = ±s · SE 棒 = ±s/√n · 95%CI 棒 = ±1.96·s/√n 于是 SE 棒 = SD 棒 / √n;而 95%CI 棒恒为 SE 棒的 1.96 倍(这个倍数与 n 无关)。n=100 时,95%CI 棒宽 / SD 棒宽 = 1.96/√100 = 0.196——同一批数据,换一根棒,读者眼里的「不确定性」缩了 5.1 倍。棒长变了,数据一个字节都没变。
【隐式】读者不读图注,读者读长度。Belia、Fidler、Williams & Cumming(2005, Psychological Methods)把 SE 棒拿给研究者看、让他们推断组间差异,约八成给出错误推断。也就是说:你以为你在展示数据,其实你在给读者出一道没有选项的题。
【细微】Cumming & Finch(2005)的「半臂规则」:两个独立组、n 相近时,两条 95%CI 的臂重叠约半个臂长,仍对应 p≈0.05。所以「误差棒重叠 ⇒ 不显著」是错的,它把一条近似规则当成了判据。更麻烦的是:如果你画的是 SE 棒,「重叠意味着什么」完全取决于 n——n=3 时两条 SE 棒刚好不重叠约等于 p≈.05,n=30 时同样的间隙远不显著。同一张图的视觉语法,随样本量悄悄改了含义。
【极难发现】真正的盲点不在棒长,在图注的沉默。Weissgerber 等(2015, PLOS Biology)抽查生理学顶刊的图,柱状图+误差棒占绝对多数,且相当比例的图根本没说明棒代表 SD、SE 还是 CI。于是「未声明的推断」被当成「数据本来的样子」进入读者记忆,再被下一篇论文引用。失真不是发生在统计里,是发生在图注的空白处。
【流程节点链路】原始测量 → 选统计量(SD / SE / 95%CI)→ 定棒长(±1 单位)→ 定 y 轴(是否截断、是否从 0 起)→ 写图注(是否声明棒的含义)→ 读者默认解读(多数人默认成 CI 或 SD)→ 感知到的组间差异 → 论文结论与后续引用。失真可以在任一节点注入,而只有第 5 个节点是读者能当场核查的——偏偏它最常空着。
【一个具体推演】两组,均值 10.0 vs 10.6,s=1.0,每组 n=30。SE=0.183,95%CI=±0.358,差值的 SE=0.258,t=2.32,p≈0.024。 · 画 SD 棒:两组棒分别覆盖 [9.0,11.0] 与 [9.6,11.6],重叠 1.4 个单位——看起来「毫无差别」。 · 画 95%CI 棒:重叠仅 0.116,小于半臂 0.179——看起来「刚好分开」。 同一批数据,一张图说「没戏」,另一张图说「有戏」。你的结论住在数据里,还是住在棒长里?
所以真问题不是「该画 SD 还是 CI」。任何一根棒都在替读者做一次未经声明的推断。我的挑衅版主张:期刊应当禁止只画一根棒——画出每个点、画出分布、把棒的含义写进图注;否则你发表的不是效应,是棒长。反过来说:如果换成 SD 棒你的结论就消失了,那你原本的结论到底住在哪里?
# 数据可视化 #研究方法 #统计学 #学术写作







0 評論