尽管在实证研究中广泛使用图表，但读者处理统计信息的能力(“视觉推理”)却知之甚少。我们研究了回归不连续(RD)设计背景下的视觉推理，通过测量读者在数据生成过程中识别不连续图的准确性，这些图表是根据11篇发表在主要经济学期刊上的论文进行校准的。首先，我们通过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bin宽度和拟合线对参与者是否正确感知不连续的存在或不存在有最大的影响。将实验结果与最近经济学文献中的两个决策理论标准相结合，我们发现使用没有拟合线的小箱来构建RD图表现良好，并推荐将其作为从业者的起点。其次，我们比较了视觉推理与广泛使用的计量经济学推理程序。我们发现视觉推理实现了相似或更低的I型错误率，并补充了计量经济学推理。