尽管图表在实证研究中被广泛使用，但人们对读者处理它们所要传达的统计信息(“视觉推断”)的能力知之甚少。我们在回归不连续(RD)设计的背景下研究视觉推理，通过测量读者如何准确地识别从11篇领先经济学期刊发表的论文校准的数据生成过程中产生的图形中的不连续。首先，我们利用随机实验评估了不同图形表示方法对视觉推理的影响。我们发现，箱子宽度和拟合线对参与者是否正确地感知到不连续的存在与否有最大的影响。将实验结果纳入从最近的经济学文献中改编的两个决策理论标准，我们发现使用没有拟合线的小箱子来构建RD图表现良好，并将其推荐给从业者作为起点。其次，我们将视觉推理与广泛使用的计量经济学推理程序进行比较。我们发现，视觉推理实现了类似或更低的I型错误率，并补充计量经济学推理。