显著与不显著之间不存在视觉上的实质断点
别名: 显著性阈值 · p=0.05 神话
概念解释
p=0.049 与 p=0.051 之间的差异在统计证据的强度上几乎为零——但图表的视觉语言把它们呈现为两个不同的类别：一个有星号一个没有，一个实色一个灰色。显著性阈值是人为选择的惯例（Fisher 当年选 0.05 是为了方便查表，不是因为它有数学上的特殊性），跨过阈值的瞬间没有任何统计实质发生变化。当可视化用截然不同的视觉编码表达阈值两侧时，它在暗示一个不存在的断点，读者据此把 p=0.049 的结果当作"真"而把 p=0.051 的结果当作"无"——两者的实际可信度差距远小于视觉呈现暗示的差距。
机制
断点错觉的根源在于类别化编码对连续量的失真表达：p 值是连续变量，显著性判断把它在 0.05 处切成两半，视觉编码（有星号/无星号、有色/灰色）进一步强化了"这是两个类别"的感知。类别化在视觉认知中的代价是边界效应：人类感知对类别边界的两侧差异高度敏感（蓝/绿的分界两侧的色块被判断为"不同颜色"），而边界内的大幅差异被相对忽视（两个深浅不同的绿被判断为"都是绿"）。应用到显著性标记上：p=0.049 与 0.051（跨边界，微差）被感知为根本不同的结论，p=0.001 与 0.049（同边界内，大差）被感知为相同的结论。证据强度完全不同的两组比较被视觉编码强行等同。此外，阈值的惯例性质意味着不同的领域、不同的期刊、不同的公司可能用不同的阈值（0.05、0.01、0.1），但图上的视觉断点看起来同样绝对——阈值的选择历史与主观性在视觉上完全不可见。
边界
这不是说显著性判断没有价值：在需要二分决策的场景（上线/不上线、投产/不投产），阈值是决策规则的一部分，视觉上的二分标记与决策结构一致。问题出在把决策辅助工具当作证据本身的度量。p 值接近阈值的"边缘结果"在任何方向上都不应该被强解读——p=0.049 不证明效应存在，p=0.051 也不证明效应不存在，两者都是"证据不足以下结论"的表达。对仪表盘设计而言，用视觉断点表达一个连续的证据强度是浪费了图表的信息容量：同一张图完全可以在呈现连续 p 值或置信区间的同时，用更轻量的方式（如次要颜色的参考线）标出决策阈值。
怎么落地
- 在可能时直接显示连续的 p 值或置信区间，而不是只显示跨阈值后的二值标记。
- 必须二分标记时，用视觉权重（颜色深浅、标记大小）编码 p 值离阈值的远近，避免边界两侧呈现为完全不同类别。
- 图注注明阈值的约定来源（"按团队标准 α=0.05"），让读者知道这是惯例而非自然分界。
- 验证：找出图表中所有因阈值差异而被区别对待的比较对（如 p=0.048 与 p=0.052），核对它们在图上的视觉差异是否与证据强度的实际差距相称。