如果您想展示数据中的变异性

如果每个数值代表一个不同的个体，您可能希望展示数值之间的差异。即使每个数值代表一次不同的实验室实验，展示这种差异通常也是有意义的。

当数据值少于 100 个左右时，可以绘制一个散点图来展示每个值。还有什么比展示每个值更能体现数据值之间的变异性呢？如果数据集包含 100 个以上的值，散点图会显得杂乱无章。替代方案包括绘制盒须图、频率分布图（直方图）或累积频率分布图。

那么绘制均值和标准差呢？ 标准差确实能量化变异性，因此这确实是绘制变异性的一种方式。但标准差仅是一个数值，作为展示变异性的手段相当有限。展示均值和标准差误差条的图表，其信息量不如其他任何替代方案，却同样占用空间且解读难度不减。我认为，与柱状散点图、箱线图或频率分布相比，绘制均值和标准差并无优势。

当然，如果您决定展示标准差误差条，请务必在图例中注明，以免他人误以为这是标准误差（SEM）。

如果您想展示您确定均值的精确程度

若您的目的是通过t检验或方差分析（ANOVA）比较均值，或是展示数据与模型预测值的吻合程度，您可能更关注数据对均值的精确界定，而非单纯展示变异性。在这种情况下，最佳做法是绘制均值的95%置信区间（或90%及99%置信区间）。

那么均值的标准误差（SEM）呢？绘制带有 SEM 误差条的均值图是展示您对均值了解程度的常用方法。SEM 误差条的唯一优势在于它们较短，但 SEM 误差条比置信区间更难解读。

无论您选择展示哪种误差条，务必说明您的选择。仅观察误差条是否重叠，其提供的信息可能不如您想象的那么丰富。