跟進：在混合方差分析圖中，估計 SE 還是實際 SE？
我目前正在完成一篇論文，昨天偶然發現了這個問題，這導致我向自己提出了同樣的問題。向我的圖表提供來自數據的實際標準誤差還是根據我的 ANOVA 估計的標準誤差更好？
由於昨天的問題相當不具體，而我的問題非常具體，我認為提出這個後續問題是合適的。
詳細信息：
我在一些認知心理學領域（條件推理）進行了一項實驗，比較了兩組（歸納和演繹指令，即受試者間操作）和兩個受試者內操作（問題類型和問題內容，每個都有兩個因子水平）。
結果如下所示（左圖為來自 ANOVA 輸出的 SE 估計，右圖為根據數據估計的 SE）：
請注意，不同的線代表兩個不同的組（即，受試者之間的操作）和組內受試者操作繪製在 x 軸上（即 2x2 因子水平）。
在正文中，我提供了 ANOVA 的各自結果，甚至還計劃了對中間關鍵交叉交互的比較。**SE 是為了給讀者一些關於數據可變性的提示。**我更喜歡 SE，而不是標準差和置信區間，因為繪製 SD 並不常見，並且在比較受試者內和受試者之間的 CI 時存在嚴重問題（因為同樣適用於 SE，錯誤推斷顯著差異並不常見從他們）。
重複我的問題：繪製從 ANOVA 估計的 SE 更好還是應該繪製從原始數據估計的 SE？
更新：
我認為我應該更清楚估計的 SE 是什麼。SPSS 中的 ANOVA 輸出為我
estimated marginal means提供了相應的 SE 和 CI。這是左圖中繪製的內容。據我了解，它們應該是殘差的標準差。但是，當保存殘差時，它們的 SD 並不接近估計的 SE。所以第二個（可能是 SPSS 特定的）問題是：這些 SE 是什麼？
**更新 2：**我終於設法編寫了一個 R 函數，它應該能夠根據我自己的最終喜歡它（請參閱我接受的答案）製作一個情節。如果有人有時間，如果您能看一下，我將不勝感激。這裡是。
作為對我的問題的啟發性答案和討論的結果，我構建了以下不依賴於任何基於模型的參數的圖，但呈現了基礎數據。
原因是與我可能選擇的任何類型的標準誤差無關，標準誤差是基於模型的參數。那麼，為什麼不呈現底層數據，從而傳遞更多信息呢？
此外，如果從方差分析中選擇 SE，我的具體問題會出現兩個問題。
首先（至少對我而言）不知何故不清楚
SPSS方差分析輸出中的 SE 實際上是什麼（另見評論中的討論）。它們在某種程度上與 MSE 相關，但我不知道到底是什麼。其次，它們僅在滿足基本假設時才合理。然而，如下圖所示，顯然違反了方差同質性的假設。
帶有箱線圖的地塊：
包含所有數據點的圖：
請注意，這兩組有點向左或向右錯位：向左演繹，向右歸納。均值仍以黑色繪製，背景中的數據或箱線圖以灰色繪製。左側和右側圖之間的差異在於均值的錯位是否與點或箱線圖相同，或者它們是否居中呈現。
抱歉，圖表質量不佳和缺少 x 軸標籤。
剩下的問題是，上述地塊中的哪一個是現在要選擇的地塊。我必須考慮一下並詢問我們論文的另一位作者。但現在，我更喜歡“手段錯位的點”。我仍然會對評論非常感興趣。
**更新：**經過一些編程後，我終於設法編寫了一個 R 函數來自動創建一個類似點的圖，其均值錯位。檢查出來（並給我發評論）！
