【锚点】这一讲只钉一个【数据可视化】判断：【误差棒】不是装饰，而是把【不确定性】变成读者可以当场检验的边界。【流程节点链路】：【原始数据】 → 【效应量估计】 → 【标准误】 → 【检验统计量】 → 【p 值】 → 【阈值判断】 → 【误差棒可视化】 → 【读者判断】 → 【可复现复核】。【显式】两独立组 n=50，均值差 d=0.40，SD=1，SE≈sqrt(2/50)=0.20，95% CI≈0.40±0.39=[0.01,0.79]，p≈0.050；若 d=0.39，CI≈[-0.002,0.782]，p≈0.054。两条误差棒肉眼几乎重叠，期刊却可能一个收、一个拒。【隐式】读者记住的不是 p 值，而是『点估计离零多远』；但 0.049 与 0.051 的差别不是证据强度，而是任意阈值造成的分类。【细微】如果误差棒是 95% CI，CI 不含零与 p<0.05 近似等价；但 CI 含零不等于『无效应』，它只是当前数据无法排除零。【极难发现】真正危险的是阈值悬崖被视觉系统抹平：人眼对误差棒长度的比较不是精确线性，读者会把『差不多』读成『差不多重要』，而发表规则却把 0.049 和 0.051 切成两个世界。可复现复核要求作者写明：误差棒类型（SD/SE/95%CI）、n、SD、效应量公式、随机种子或原始数据。【开放问题】如果 95% CI 只比零窄一点点，p=0.051，你该写『无效应』还是『证据不足』？