解读文献里的那些图——误差棒

文章中的柱状图、折线图中我们经常会看到一条条的横线竖线，这其实就是误差棒（error bar）。

简单来说，误差棒就是一组数据误差的可视化表达方法，可以一眼看出这组数据的离散程，所以在处理实验数据时我们经常需要添加误差棒来展示实验的误差范围。

提到误差我们就要了解误差有哪些表示方法，即怎样表达误差的大小。

标准差（Standard Deviation ,SD）和标准误(Standard Error ,SE)这两个通常是用来描述抽样误差大小的指标。

SD实际上反映的是数据点的波动情况，而SE则是均值的波动情况。

还有一个间接表达误差的指标是置信区间（Confidence Interval，CI），我们最常用的95%CI=（均值-1.96SE,均值+1.96SE）

那么，误差棒对应的到底是标准差（SD）、标准误（SE）还是置信区间（CI）呢？其实……都可以，作者都会在论文中明确写明用的是哪一种。

很多的文献图表中，误差棒的长短通常等同于1.96个SE，这样做可以传递的信息更多，有两方面的好处。首先这个方法能显示95%的CI。其次能让我们用眼睛检验差别的显著性，如果下面bar的顶部和上面bar的底部没有重叠，两个实验组的差异必定是显著的（5%的显著水平）。因此我们会说，这2个组间存在显著差别。如果我们做t-test，结果会验证这个发现。这种方法对超过2个组的情况就不那么精确了。因为需要多次比较（比如，组1和组2，组2和组3，组1和组3），但是至少能提示粗略的差别。

读图过程中，如果误差棒明显过长，甚至超过柱状图的长度，那么这个实验数据就存在明显的变异性，可重复性较差（如图：WE JUET CAN’T TRUST YOU）。反之，误差棒长短都比较均一，则误差较小，实验数据较为稳定，离散性小，可信度高。

原文转载自公众：医学僧的科研日记（ID：zzudoctor）