一般而言，标准误差告诉您，条形顶部的真实值与条形所显示的位置是多么不确定。当有多个柱时，它还可以在柱之间进行比较，在统计测试的意义上。但是，以这种方式解释它们需要一些假设，如下图所示。如果您真的有兴趣比较条形以查看差异是否具有统计显着性，那么您应该对数据进行测试并显示哪些测试是显着的，就像这样。

此外，我建议使用置信区间而不是标准误差。

这篇论文非常值得一读：

卡明和芬奇。“通过眼睛推断：置信区间和如何阅读数据图片。” 我是心理。卷。60，第 2 期，170–180。

他们的总体结论是：“寻找与感兴趣的效应直接相关、对实验设计敏感并解释区间的条形图。”

对于独立样本，使用置信区间，CI 的一半重叠意味着差异具有统计学意义。

对于使用标准误差条的独立样本，下图显示了如何计算统计显着性：

一般来说，误差线是为了让情节读者相信她/他在情节上看到的差异在统计上是显着的。近似地，你可以想象一个小的高斯，它$\pm1\sigma$范围显示为这个误差条 - 两个这样的高斯乘积的“视觉积分”更多 - 两个值真正相等的机会更少。

在这种特殊情况下，可以看到红色和紫色条以及灰色和绿色条之间的差异都不是太显着。

正如 mbq 所说，误差线是一种让您的读者感受两组之间差异是否显着的方式 - 即，如果您的每个组内的差异小到足以相信您发现的平均值差异你的组之间。

在其他条件相同的情况下，较大的误差线意味着更多的组内差异，但看起来您的绘图的 y 轴是对数转换的，因此较低组与较高组的比例不同。

您应该知道，即使您明确解释，您的许多读者也不会理解误差线代表什么！通常，您可以使用抖动的点图或箱线图（或两者一起）来实现相同的目标，以达到相同的效果。

许多研究人员难以解释这些图表。有关更详细的说明，请参阅http://scienceblogs.com/cognitivedaily/2008/07/31/most-researchers-dont-understa-1/ 。