置信区间的宽度比是否跨过零点更能说明估计的精度
别名: 区间宽度 · 估计精度 · 跨零不是精度
概念解释
置信区间（confidence interval）给出与数据和模型相容的效应幅度范围。区间宽不宽直接说估计有多不准；是否跨过零只是把显著性检验又说了一遍——跨过约等于未拒绝零，不跨过约等于拒绝。两个区间可以都不含零，一个从 0.1% 到 20%，一个从 4.8% 到 5.2%，精度完全不同。两个区间也可以都含零，一个紧贴在零附近，一个从大伤害跨到大获益。读区间时，宽度才是精度；跨零是检验的二进制回放。要求报告效应量和区间，是为了不让决策只剩星号；这里要读的是宽度本身。
机制
区间端点随标准误张开。独立信息少、变异大、模型把相关当成独立，都会把区间拉宽。宽区间意味着许多幅度——包括有害、琐碎和可观——仍与数据相容，点估计此时几乎不能当行动依据。窄区间把相容的幅度收紧，无论它是否碰巧把零留在外面。把“含不含零”当成唯一读法，等于扔掉长度信息，只保留与 p 阈值等价的那一比特。覆盖率还依赖模型：名义 95% 在错误独立假设下会系统性偏窄，看起来很精确，实际不准。所以宽度必须连同模型一起读，而不是当成装饰性的误差线。
怎么研究
预先规定区间的覆盖率、尺度（绝对差还是相对差）和将用于判断精度的宽度目标，例如“半宽不超过最小关心效应的一半”。主结果用一句话同时给出点估计和两端，避免先说“显著所以……”再补区间。把宽度与事先目标比较：宽于目标则结论标为不精确，不论是否跨零。图上用线段表示区间，不要只用星号。对聚类和多重性未校正的区间，注明名义宽度偏小。复现应能从同一模型重画区间，而不只是重现“跨没跨零”。
边界
贝叶斯可信区间或自助区间同样用宽度谈精度，解释换成各自的概率语句，但“不要只看是否包含零”仍然成立。标准化效应的区间方便跨研究，决策仍常需要原始单位上的宽度。等效性检验看的是区间是否落进预先的等效界，这是对宽度和位置的联合使用，不是把跨零规则换一套界。探索性切片上未声明多重性的窄区间，名义上很精确，选择性已经让覆盖率失效。
怎么落地
- 结果第一行写点估计和两端，以及半宽；“是否含零”放在其后，不得单独做标题。
- 预先写下可接受的最大半宽；超过则标“不够精确”，即使不含零也不发布为已证实。
- 含零且很窄：写成“效应被精确地限制在琐碎范围”，不要写成“失败的实验”。
- 验证：只展示区间线段、遮住含零标记和 p，决策者是否仍能区分“精确的小效应”和“什么都可能”；若不能，说明读法仍绑在跨零上。