三州置信区间对比：阿拉斯加与康涅狄格不重叠判显著，与阿肯色重叠只能判并列

为什么只看 Percent 会误判？——用「会抖的秤」讲透置信区间（上篇）

喜乐君 1 min read

假设你在看一份青少年心理健康监测数据，2023 年「持续悲伤/绝望」的总人群率：阿肯色 45.1%、阿拉斯加 43.2%

📌 要点：
· Percent 是「秤的读数」，不是真值——抽的样本不同，比率就会浮动；
· 比较两个州的 Percent 之前先看置信区间，重叠就意味着「分不出高下」；
· 1.96 不是魔法数字，它是 95% 置信水平在正态分布上的分位点。

一、一个会让人犯错的场景

假设你在看一份青少年心理健康监测数据，2023 年「持续悲伤/绝望」的总人群率：阿肯色 45.1%、阿拉斯加 43.2%、康涅狄格 35.2%。只看数字，你很容易得出结论：阿肯色最严重，阿拉斯加次之，康涅狄格最轻。

但这是个会翻车的判断——稍后你会看到，阿肯色和阿拉斯加其实分不出谁更严重。问题出在：我们太把 Percent 当成「板上钉钉的真值」了。这篇文章（上篇）就用一把会抖的秤，把 Percent、上下限 Low / High 置信区间、以及文字版的 Confidence_Interval_Formatted 一次讲透，最后自然引出标准误（SE）作为下篇的引子。

二、Percent 是「秤的读数」，不是真值

这份数据来自抽样调查——我们不可能问遍全州每一个高中生，只能抽一部分人来问。抽的人不同，算出来的比率就会略有浮动。所以表里的 Percent 只是这次调查估出来的「最佳单点猜测」，不是「全州真实比率」本身。

打个比方：Percent 就像秤上显示的数字。但这是一把会抖的秤——每次站上去，指针都会上下晃一点。

抽样调查如同会抖的秤，显示的读数并非真实值而是带有误差的估计值
图：会抖的秤——抽样误差示意

三、秤为什么会抖：抽样的随机性

抽样天然带有随机性：这次抽到这几个人、下次抽到那几个人，结果就会有微小差异。这个「上下晃」就是不确定性的来源。Percent 越大，并不等于真实情况越严重——它可能只是这次抽样抖高了一点。

四、抖出一片「读数云」

想象让同一个人反复站上这把会抖的秤 100 次，你会得到 100 个稍微不同的读数，它们聚成一团「云」（下图灰点），中心是 45，四周散开。

同一对象反复测量100次形成的读数分布，黄色区域为95%置信区间
图：100次测量的读数分布云

这团云的宽度，就是秤抖得有多厉害。大约 95% 的读数落在这团云中间（下图黄色框），只有约 5% 抖到了框外。换句话说：如果反复抽样、反复构造这样的区间，约 95% 会覆盖真值。严格说，置信区间描述的是「构造方法的长跑覆盖率」，不是「真值落在这个特定区间的概率」——真值固定，随机的是区间本身。

五、Low / High 是怎么来的：从抖动幅度推出边界

关键一步：别只看「一次读数」，要看「秤抖出的一整片」。从上面的读数云，我们往左右各退约 2 步抖动，就能画出一个安全范围：

Low  ≈ 本次读数 − 2 × 抖动一步
High ≈ 本次读数 + 2 × 抖动一步

正式写法： Percent ± 1.96 × 标准误(SE)
以Percent为中心向左右各退2个标准误，得到置信区间的上下边界
图：置信区间的Low与High边界

这就是数据表里 Low_Confidence_Interval 和 High_Confidence_Interval 的来历。这两个数字，就是真相可能落点的上下边界。

六、怎么用 Low / High 做稳健结论：重叠即并列

有了上下限，比较两州时就有了「防滑垫」。规则很简单：

  • 两区间不重叠 → 可判定差异显著（实际比 α=0.05 更严，约 α≈0.006，属保守判据）。
  • 两区间重叠 → 仍可能有显著差异，不能直接判为并列；需看差值 d = p₁ − p₂ 的置信区间是否含 0 才能下结论。
阿拉斯加与康涅狄格区间不重叠差异显著，与阿肯色重叠则统计并列
图：区间重叠判断统计显著性

看上图：阿拉斯加（39.7–46.8）和康涅狄格（33.2–37.3）完全不重叠，所以「阿拉斯加确实更高」这个结论站得住；而阿拉斯加与阿肯色（40.5–49.8）重叠了一大段——尽管阿肯色点估计 45.1 高于阿拉斯加 43.2，我们没法排除两者相等（反算差值 95% CI ≈ (−3.94, 7.74)，含 0，故不能拒绝相等），只能判为并列。这就是开头那个「会翻车的判断」的真相。

七、Confidence_Interval_Formatted：只是给人看的「包装」

表里还有一列 Confidence_Interval_Formatted，长这样：

43.2 (CI 39.7 - 46.8)

它其实就是把 Percent、Low、High 拼成一段给人读的文字，专供图表标签、报告展示用，不参与任何计算。

⚠️ 注意口径：Percent、Low、High、Formatted 都是数据库里直接存好的「数值」，不是「度量」。只有经过统计分析、由既有数据衍生出来的逻辑字段（如逐年变化量 Δ、性别差距、区间宽度 High−Low）才叫度量。这篇里它们一律称「数值」。

八、标准误 SE：抖一步有多大（下篇的引子）

回看第四节那团云——云的胖瘦，就是标准误（SE），也就是「抖一步有多大」。它是衡量不确定性的尺子：

  • SE 大 – 云胖、区间宽 – 数字飘、不可靠。
  • SE 小 – 云瘦、区间窄 – 数字稳、可信。
标准误大则置信区间宽如胖云，标准误小则区间窄如瘦云
图：标准误对区间宽度的影响

这里补一句口径：SE 本身是由样本算出来的「衍生度量」，和上面直接存储的「数值」不是一回事——它正好把「数值 vs 度量」的边界卡在了这篇结尾。SE 的大小由两个因素决定，下篇展开：

  • 问的人越多（样本量 n 越大）– SE 越小越稳。
  • 比率越靠近 50% – 抖得越厉害、SE 越大。

结语

回顾上篇：Percent = 秤的一次读数（数值）；Low / High = 按抖动幅度推出的安全范围（数值）；Formatted = 拼起来的文字包装（数值）；SE = 抖一步有多大（衍生度量）。光看 Percent 就下结论，等于把「抖出来的误差」当成了「真实的差别」。

下篇我们回答一个自然的问题：为什么偏偏是 1.96，而不是 1.95 或 2？ 由此引出直方图、标准差 σ、西格玛，并用一把「上帝投骰子」形象地讲清：分布到底是从哪里长出来的。

No comments yet

Continue reading