标准误差（SE）是衡量样本均值作为总体均值估计值精确度的指标。标准误差越小，估计的均值越精确。

标准误差公式

SE = s / √n

其中：

  • s = 样本标准差
  • n = 样本量
  • √n = 样本量的平方根

解题示例：25名患者

场景：针对25名患者（n = 25）的医学研究，平均心率 x̄ = 72 次/分钟，标准差 s = 10 次/分钟。

第1步：应用标准误差公式

SE = s / √n = 10 / √25 = 10 / 5 = 2 次/分钟

解释：标准误差为2次/分钟意味着我们的样本均值（72次/分钟）预计在真实总体均值的 ±2次/分钟范围内。

计算95%置信区间

知道标准误差后，可以构建95%置信区间：

95% CI = x̄ ± 1.96 × SE

应用到示例：

72 ± 1.96 × 2 = 72 ± 3.92

95% CI：从 68.08 到 75.92 次/分钟

这意味着：我们有95%的把握认为总体的真实平均心率在68.08到75.92次/分钟之间。

标准差与标准误差的比较

标准 标准差（SD） 标准误差（SE）
测量什么 单个值的分散程度 估计均值的精确度
样本量的影响 变化不大 随样本量增大而减小
通常用途 描述数据和变异性 统计推断和估计

样本量的实质影响

增大样本量可以显著提高估计的精确度：

  • 将 n 翻倍使SE减小 √2 倍（约29%）
  • 将 n 扩大四倍使SE精确地减小到一半

这种关系就是研究人员增大样本量以获得更高精确度的原因。

何时使用SD，何时使用SE

  • 使用SD：描述组内变异性以及比较组别时。
  • 使用SE：报告均值精确度、构建置信区间以及进行统计检验时。