展示效应量与区间比标注显著性提供更多信息
别名: 估计展示 · 新统计学
概念解释
显著性标记只传达一个比特的信息（"过了阈值/没过阈值"），而效应量加置信区间传达的是一个连续的量加它的不确定性范围。从信息量的角度看，后者包含了前者的判断所需的全部材料（区间是否跨过零等效于是否显著），还额外给出了"效应有多大"和"估计有多准"两个显著性标记完全无法提供的维度。统计学界过去几十年的方法学讨论（"新统计学"、效应量报告运动）的核心主张正在于此：估计及其区间比二值的显著性判断承载更多可用的科学信息。对数据可视化的直接推论是：图表设计应优先呈现效应量与区间，显著性标记作为补充而非主体。
机制
信息优势的机制可以从读者需要回答的问题集来看："差异是否值得行动"需要效应量；"这个估计可信吗"需要区间宽度；"结果是否可复现"需要精确估计与区间；"结论的适用范围"需要区间与业务阈值的相对位置。这四个问题中，显著性标记一个都回答不了。而反过来，"是否显著"可以从效应量加区间推导（区间不跨零即显著），信息是单向包含的。呈现区间还有一个隐性的教育效果：读者反复看到区间宽度随样本量变化，逐渐建立"估计都有不确定性"的直觉，而星号的二元呈现不提供这种学习信号。实践上的阻力在于效应量加区间需要读者做一步推断（看区间与阈值的关系）而不是直接读标签，对统计素养较低的读者增加了认知成本——这是设计折中的来源，而非否定估计展示的理由。
边界
估计展示并不适用于所有决策场景：当决策结构本身就是二分的（部署开关只有开/关两档），读者最终需要的判断是二值的，区间提供的连续信息可能超出决策所需。此时更有效的做法是把区间与决策阈值画在一起（阈值线上下着色），让"区间是否跨过阈值"直接可读，兼顾信息完整与决策便利。另一个边界是读者的解读能力：估计与区间的阅读需要基本的统计素养，面向业务管理者的仪表盘如果直接抛弃星号可能导致误读区间（把区间宽度当作"误差大小"而非"可信范围"）。过渡策略是两者并呈、以区间为主视觉，随读者素养提升逐步弱化星号。
怎么落地
- 对比图表优先呈现差异值及其置信区间（差异图），把读者需要的推断直接画出来。
- 置信区间与决策阈值画在同一张图上，区间与阈值的相对位置直接可读，替代星号的推断步骤。
- 星号仅作为辅助标记保留在次要位置，图注说明完整判断依据（效应量、区间、阈值）。
- 验证：对比同一实验的两种图表版本（星号版 vs 区间版），让业务读者判断"是否应上线"；区间版的判断应能同时说出效应大小与确定性，而星号版只能说出二元结论。