引言
標準誤差 (SE) 和標準差 (SD) 都是衡量離散程度的指標，但它們回答的是根本不同的問題。混淆這兩者是統計學中最常見的錯誤之一。
常見混淆
許多人在應該使用標準誤差的地方用了標準差，特別是在報告樣本平均數的精確度時。這可能導致對統計顯著性的錯誤判斷。
核心差異
標準差
衡量個別資料點圍繞平均數的分散程度。
“個別數值的變異有多大？”
標準誤差
衡量樣本平均數作為母體平均數估計值的精確程度。
“我們的樣本平均數有多準確？”
標準誤差公式
平均數的標準誤差
SE = s / √n
其中 s 是樣本標準差，n 是樣本數。
計算範例
25 名學生的樣本，平均考試分數 = 75，標準差 = 10
- 標準差 (s) = 10 分
- 樣本數 (n) = 25
- 標準誤差 = 10 / √25 = 10 / 5 = 2 分
解讀：樣本平均數 75 的不確定性大約為 ±2 分。
何時使用哪一個
- 使用標準差的時機:描述個別觀測值的變異性、描述母體或樣本的特徵、設定正常範圍（例如臨床參考值範圍）、或品質管控（製造業中可接受的變異範圍）
- 使用標準誤差的時機:報告樣本統計量的精確度、建構信賴區間、比較不同組別的平均數、或進行假設檢定
樣本數的影響
一個關鍵差異：當樣本數增加時，標準差大致維持不變，但標準誤差會降低。
| 樣本數 (n) | 標準差 | SE = SD/√n |
|---|---|---|
| 25 | 10 | 2.00 |
| 100 | 10 | 1.00 |
| 400 | 10 | 0.50 |
| 10,000 | 10 | 0.10 |
關鍵洞察
要將標準誤差減半，你需要將樣本數增加四倍。這就是為什麼非常精確的估計需要大量樣本。