什么是标准误差？

我正在使用找到的教程，并绘制平均值和标准误差以显示数据。但是我在讨论结果时遇到了问题。我的图如下所示：一些标准误差（显示为误差线）变化很大，其中一些非常接近零。

一般而言，误差线用于使绘图读者确信她/他在绘图上看到的差异具有统计学意义。近似地，您可能会想到一个小的高斯$\pm1\sigma$ 范围显示为该误差线-两个这样的高斯积的“视觉整合”，这两个值实际上相等的机会更少。

在这种特殊情况下，可以看到红色和紫色条以及灰色和绿色条之间的差异不太明显。

通常，标准误差告诉您，条形图顶部所在的真实值到底有多不确定。如果有多个条形图，则从统计测试的角度来看，它也可以进行条形图之间的比较。但是，以这种方式解释它们需要一些假设，如下图所示。如果您真的有兴趣比较这些条以查看差异是否在统计上是显着的，则应该对数据进行测试并显示哪些测试是显着的，就像这样。

另外，我建议使用置信区间而不是标准误差。

这篇论文值得一读：

卡明和雀科。“通过眼睛进行推断：置信区间和如何读取数据图片。” 我很精神。卷 60，第2号，170-180。

他们的总体结论是：“寻找与感兴趣的效果直接相关，对实验设计敏感并解释间隔的条形。”

对于独立样本，使用置信区间，CI的一半重叠意味着差异在统计上是显着的。

对于使用标准误差线的独立样本，下图显示了如何计算统计显着性：

作为活度说，误差条带是让你的读者来感受，如果两个组之间的差异是显著的一种方式-即如果变化中的每个组的足够小，相信差异你发现的平均在您的小组之间。

在所有其他条件相同的情况下，较大的误差线意味着组内差异更大，但看起来图的y轴已对数转换，因此，较低的组与较高的组的比例不同。

您应该知道，即使您明确地解释了，但许多读者还是不理解错误条代表什么！通常，您可以通过抖动的点状图或箱形图（或两者一起）来达到相同的目的，以达到相同的效果。

许多研究人员在解释这些图形时遇到了麻烦。有关更多详细说明，请参见http://scienceblogs.com/cognitivedaily/2008/07/31/most-researchers-dont-understa-1/。