错误条不说谎,但会装哑巴:SD、SE、CI 是三种不同的地图
【锚点】这一篇只钉一个判断:【错误条如果不标注是 SD、SE 还是 CI,就是把不同尺度的地图贴在同一张图上】。
【显式】很多论文图里只有柱状图加竖线,读者默认它是“误差”。但 SD 描述样本内离散,SE 描述均值抽样误差,CI 描述参数估计区间;三者回答的问题不同。
【流程节点链路】:【原始数据】→【组内变异 SD】→【均值抽样误差 SE】→【置信区间 CI】→【图形错误条】→【读者推断】。
给一组数字:n=10,均值=50,SD=10。SE=10/√10≈3.16;95% CI 约 50±7.15。若把 10、3.16、7.15 都画成同款竖线,同一张图会同时暗示“个体差异大”“均值很稳”“估计区间宽”,而读者无法分辨。
【隐式】SE 会随 n 缩小:n=10 时约 3.16,n=40 时约 1.58,n=100 时约 1.00。样本越大,SE 错误条越短,视觉上像“几乎确定”,但个体差异 SD 可能仍是 10。
【细微】两个 95% CI 不重叠是差异显著的充分但非必要条件;重叠也不等于无差异。读者若把“条不碰”当显著,会把统计问题变成像素间距问题。
【极难发现】最危险的不是画错错误条,而是把【视觉显著性】当成【统计显著性】:显著性取决于假设检验、SE 与 null 模型,不是条与条的视觉间距。
可复现性上,图注若只写“误差条表示误差”,另一个实验室无法复现你的推断主张。最低限度应写:均值±95% CI(n=10/组),检验方法、双侧/单侧、p 阈值。
值得辩论:如果一张图只能保留一种错误条,你选 SD、SE 还是 95% CI?为什么?






0 評論