結果章節中，最常被導師和審稿人圈出來修改的，往往不是數據本身，而是圖表的標題與注釋。很多稿件的圖表標題只有“結果圖”“趨勢圖”“相關性分析”這樣的模糊表述，或者僅寫“圖1”“表2”加上一個不完整的短語。注釋更是普遍只標注“資料來源：作者整理”，卻對縮寫、單位、誤差線含義、樣本量等關鍵信息只字不提。這類圖表的問題在于：它們無法脫離正文獨立傳達信息。

學術界對圖表的通行要求是，每張圖、每張表都應當具備“獨立可讀性”。也就是說，讀者即使不翻看正文，僅憑圖表本身，也能大致判斷研究設計、變量關系、統計口徑和結果方向。這不是對“過度解釋”的鼓勵，而是要求標題與注釋把必要背景信息寫清楚。修改的關鍵，不在于讓標題長得像摘要，而在于讓低信息量表述變成可核對、可定位、可判斷的表述。

判斷圖表是否可脫離正文閱讀

在動手修改之前，可以先做一個簡單測試：把圖表單獨截取出來，交給一位不了解本研究的人，看他能否在十秒內說出三件事——研究對象是誰、圖中展示的是什么關系或比較、數據以什么單位或統計量呈現。如果做不到，通常意味著標題或注釋缺少了某一類核心信息。

常見的低信息標題有幾種類型：

• 只寫編號和模糊名稱，如“圖2 實驗結果”“表3 回歸結果”；
• 只寫統計方法，不交代變量，如“圖1 方差分析”；
• 用“示意圖”“流程圖”代替具體內容描述；
• 標題過短，讀者無法判斷是描述性比較還是推斷性檢驗。

注釋部分的問題則更隱蔽。只寫“資料來源：作者計算”并不能告訴讀者計算口徑；只寫“誤差線表示標準差”卻不說各組樣本量，讀者仍無法判斷結果的可靠程度。好的注釋不需要把正文的分析全部重復一遍，而是補足那些正文閱讀時容易忽略、但離開正文就無從查證的信息。

圖表標題應包含的要素

圖表標題的任務不是給出結論，而是為結論提供可識別的坐標。標題中值得寫清楚的要素通常包括：研究設計或數據來源、關鍵變量及其操作化方式、樣本或條件的限定、統計表述的類型。

關鍵變量與條件必須出現

“圖2 干預效果”就不如“圖2 干預前后兩組在焦慮量表得分上的變化”具體。前者只告訴讀者有個效果存在，后者標明了比較的時間節點、分組方式和測量工具。修改時可以用一個公式化的思維：標題里應當能回答“誰、在什么條件下、什么變量、以何種形式呈現”。

例如：

• 原標題：“圖1 不同組別的比較”
• 修改后：“圖1 對照組與干預組在三個時間點的任務完成率比較”

修改后的標題并未給出哪個組更好，也沒有解釋原因，只是把比較的范圍說清楚了。這沒有越過“解釋數據”的邊界，反而是讓讀者有了判斷的參照。

統計量與圖表類型要明確

如果圖中呈現的是標準化回歸系數，就寫“標準化回歸系數”；如果是均值±標準差，就寫“均值±標準差”；如果是箱線圖，就寫“分布”。不要用“結果圖”替代這些描述。例如“圖3 各年級學生在成績上的表現”就是一個無法核對信息的標題，而“圖3 各年級學生期末成績的箱線圖分布”則準確得多。

對于包含多張子圖的圖表，標題還需要體現子圖之間的邏輯。子圖可能按自變量水平、模型設定或樣本子群體劃分。標題可以寫成“圖4 不同模型設定下……的估計結果（a.全樣本；b.城市樣本；c.農村樣本）”，讓讀者在閱讀正文前就建立起整體結構。

注釋需補足的關鍵信息

注釋的作用是讓圖表中出現的符號、單位和縮寫不再依賴正文才能解讀。注釋通常放在圖表下方，緊接標題或寫在圖表底部，內容包括但不限于：縮寫與簡稱的展開、單位與計量的說明、誤差線與顯著性符號的含義、樣本量與缺失值的處理、數據來源與計算口徑。

縮寫和單位要一次說清

正文第一次出現縮寫時通常會給出全稱，但圖表是獨立呈現的，讀者不一定會回到正文查閱。因此，圖表注釋中應對所有非通用縮寫做出說明。例如“注：BMI為體質指數；SBP為收縮壓”或“注：所有收入變量單位為千元”。如果圖中有多條曲線，注釋還需說明每條線代表什么，僅靠顏色和圖例有時不足以避免誤讀。

誤差線與顯著性符號的含義

很多圖表在柱形圖或折線圖上標注誤差線，卻不寫誤差線表示的是標準差、標準誤還是置信區間。三者含義差別很大，直接影響讀者對組間差異的判斷。注釋至少應寫明“誤差線表示均值±標準差”或“誤差線表示95%置信區間”。如果圖中用星號表示顯著性水平，注釋必須給出對應關系，例如“* p<0.05, p<0.01, * p<0.001”，否則星號沒有意義。

樣本量不能省略

樣本量是判斷統計結果穩定性的基礎信息。尤其在分組比較和縱向追蹤圖中，不同時間點或不同組別的樣本量可能不同，若不說明，讀者容易把樣本流失誤認為效應變化。注釋中可以寫“各組樣本量見正文表X”或直接在圖中標注，更規范的做法是在注釋中給出“n=XX”。如果樣本量在各組間不相等，應分別列出。

數據來源與計算口徑

“資料來源：作者整理”在現代學術寫作中基本不具備信息含量，因為它不能幫助讀者追溯數據如何產生。數據來源注釋應當說清是“根據XX調查數據計算”還是“數據來自XX數據庫”，如果是作者計算，則要說明基于哪個模型或公式。例如“注：圖中比例為作者根據XXXXXXXXXX數據計算，計算方法見附錄A”。資料檢索有其時效性，若引用外部數據庫或官方統計，建議在注釋中標注檢索年份或數據版本，具體以所用數據庫的最新說明為準。

修改前后對比示例

以下用幾個常見場景展示如何在不改動正文分析的前提下，改寫標題和注釋，使圖表具備獨立可讀性。

示例一：柱狀圖

修改前：

• 標題：“圖2 各組得分情況”
• 注釋：“注：資料來源：作者整理。”

修改后：

• 標題：“圖2 三組學生在前后測中的任務得分比較（均值±標準差）”
• 注釋：“注：n=120；得分范圍為0—20分，分數越高表示任務表現越好；誤差線表示標準差。資料來源：根據實驗數據計算。”

修改后的標題標明了分組數量、時間點和呈現形式；注釋補足了樣本量、變量方向和誤差線含義。沒有增加任何因果解釋或結論性判斷。

示例二：折線圖

修改前：

• 標題：“圖3 趨勢變化”
• 注釋：“注：數據見附錄。”

修改后：

• 標題：“圖3 2015—2022年三組參與者在各季度的平均出勤率變化”
• 注釋：“注：平均出勤率=實際出勤人次/應出勤人次×100%；三組參與者定義見正文；圖中數據均保留一位小數。資料來源：根據管理記錄匯總計算。”

這個修改把時間范圍、分組方式和指標口徑寫清楚，讀者無需回到正文就能理解折線的含義。

示例三：回歸結果表

修改前：

• 標題：“表4 回歸分析結果”
• 注釋：“注：*表示顯著。”

修改后：

• 標題：“表4 多元線性回歸模型對工作滿意度的預測結果（N=486）”
• 注釋：“注：表中數值為非標準化回歸系數，括號內為穩健標準誤；* p<0.05, p<0.01, * p<0.001；所有連續變量均已中心化。因變量為工作滿意度總分，取值范圍1—5，分數越高表示滿意度越高。”

修改后的標題明確了模型類型、因變量和樣本規模；注釋則把系數類型、標準誤類型、顯著性水平標準、變量處理方式逐一說明。審稿人可以迅速核對方法部分的設定是否與表格一致。

避免修到哪里說哪里

圖表標題與注釋的修改容易出現一個誤區：想到什么補什么，結果每一張圖表的說明口徑不統一。更有效率的做法是，在結果章節寫完第一遍后，對照統一的問題清單逐張檢查：

• 標題是否包含研究設計或數據來源？
• 標題是否寫明關鍵變量及其條件？
• 標題是否體現了圖的類型或統計表達形式？
• 注釋是否展開了所有非常用縮寫？
• 注釋是否寫明單位、變量方向和取值范圍？
• 注釋是否說明了誤差線或顯著性符號的含義？
• 注釋是否給出樣本量或指向樣本量信息？
• 注釋是否說明了數據來源與計算口徑？

如果圖表較多，可以先把問題清單放在手邊，逐圖逐表過一遍，再回頭統一修改。標題與注釋的改寫應當在一個完整的修改輪次中完成，而不是零散修補，這樣可以避免同一變量在不同圖表中出現不同表述。

圖表標題和注釋的任務是還原信息，而不是制造解釋。標題寫清楚“誰、什么條件下、什么變量、什么形式”，注釋補足“單位、縮寫、誤差、樣本、來源”，就已經達到了脫離正文可讀的基本標準。至于這些數據意味著什么、是否支持研究假設，那是正文和討論章節的工作，不需要也不應當在圖表標題中完成。