Question

标准误和标准差有区别吗

Answer 1

标准误差定义为各测量值误差的平方和的平均值的平方根，故又称为均方误差。
标准偏差反映的是个体观察值的变异，标准误反映的是样本均数之间的变异（即样本均数的标准差，是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度），标准误不是标准差。

标准误用来衡量抽样误差。标准误越小，表明样本统计量与总体参数的值越接近，样本对总体越有代表性，用样本统计量推断总体参数的可靠度越大。因此，标准误是统计推断可靠性的指标。
在相同测量条件下进行的测量称为等精度测量，例如在同样的条件下，用同一个游标卡尺测量铜棒的直径若干次，这就是等精度测量。对于等精度测量来说，还有一种更好的表示误差的方法，就是标准误差。

标准差是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，标准差能反映一个数据集的离散程度。
标准差与标准误都是心理统计学的内容，两者不但在字面上比较相近，而且两者都是表示距离某一个标准值或中间值的离散程度，即都表示变异程度，但是两者是有着较大的区别的。
首先要从统计抽样的方面说起。现实生活或者调查研究中，我们常常无法对某类欲进行调查的目标群体的所有成员都加以施测，而只能够在所有成员（即样本）中抽取一些成员出来进行调查，然后利用统计原理和方法对所得数据进行分析，分析出来的数据结果就是样本的结果，然后用样本结果推断总体的情况。一个总体可以抽取出多个样本，所抽取的样本越多，其样本均值就越接近总体数据的平均值。

标准差（standard deviation, STD）
表示的就是样本数据的离散程度。标准差就是样本平均数方差的开平方，标准差通常是相对于样本数据的平均值而定的，通常用M±SD来表示，表示样本某个数据观察值相距平均值有多远。从这里可以看到，标准差收到极值的影响。标准差越小，表明数据越聚集；标准差越大，表明数据越离散。标准差的大小因测验而定，如果一个测验是学术测验，标准差大，表示学生分数的离散程度大，更能够测量出学生的学业水平；如果一个侧样测量的是某种心理品质，标准差小，表明所编写的题目是同质的，这时候的标准差小的更好。标准差与正态分布有密切联系：在正态分布中，1个标准差等于正态分布下曲线的68.26%的面积，1.96个标准差等于95%的面积。这在测验分数等值上有重要作用。

标准误（standard error, SE)
表示的是抽样的误差。因为从一个总体中可以抽取出无多个样本，每一个样本的数据都是对总体的数据的估计。标准误代表的就是当前的样本对总体数据的估计，标准误代表的就是样本均数与总体均数的相对误差。标准误是由样本的标准差除以样本人数的开平方来计算的。从这里可以看到，标准误更大的是受到样本人数的影响。样本人数越大，标准误越小，那么抽样误差就越小，就表明所抽取的样本能够较好地代表样本。

Answer 2

　　区别：
　　①概念不同；标准差是描述观察值(个体值)之间的变异程度；标准误是描述样本均数的抽样误差；
　　②用途不同；标准差与均数结合估计参考值范围，计算变异系数，计算标准误等。标准误用于估计参数的可信区间，进行假设检验等。
　　③它们与样本含量的关系不同：当样本含量n足够大时，标准差趋向稳定；而标准误随n的增大而减小，甚至趋于0 。

　　联系：
　　标准差，标准误均为变异指标，当样本含量不变时，标准误与标准差成正比。

Answer 3

1、意义不同：标准差是数据精密度的衡量指标。标准误差是量度结果精密度的指标。

2、反映的东西不同：标准差反映了整个样本对样本平均数的离散程度。标准误差反映样本平均数对总体平均数的变异程度。

3、使用范围不同：标准差一般用于表示一组样本变量的分散程度。标准误差一般用于统计推断中，主要包括假设检验和参数估计，如样本平均数的假设检验、参数的区间估计与点估计等。

参考资料：

百度百科-标准差

百度百科-标准误差

Answer 4

标准差与标准误（标准误差）的区别有：

1、意义不同：标准差是数据精密度的衡量指标。标准误差是量度结果精密度的指标。

2、反映的东西不同：标准差反映了整个样本对样本平均数的离散程度。标准误差反映样本平均数对总体平均数的变异程度。

3、使用范围不同：标准差一般用于表示一组样本变量的分散程度。标准误差一般用于统计推断中，主要包括假设检验和参数估计，如样本平均数的假设检验、参数的区间估计与点估计等。

参考资料：

百度百科-标准差

百度百科-标准误差

Answer 5

1 标准差
标准差(S 或SD) ,是用来反映变异程度,当两组观察值
在单位相同、均数相近的情况下,标准差越大,说明观察值间
的变异程度越大。即观察值围绕均数的分布较离散,均数的
代表性较差。反之,标准差越小,表明观察值间的变异较小,
观察值围绕均数的分布较密集,均数的代表性较好。在医学
研究中,对于标准差的大小,原则上应该控制在均值的12 %
以内,如果标准差过大,将直接影响研究的准确性。
数理统计表明,在标准正态分布曲线下的面积是有规律
性的,根据这一规律,人们经常用均数加减标准差来计算样
本观察值数量的理论分布,并以此来鉴定样本的代表性。
即: x ±110 s 表示68127 %的观察值在此范围之内; x ±
1196 s 表示95 %的观察值在此范围内; x ±2158 s 表示
99 %的观察值在此范围内。
如果取得的样本资料的实际分布与理论分布非常接近,
证明该样本具有代表性。反之,则需要重新修正抽样方法或
样本含量。x ±1196 s 是确定正常值的方法,经常在工作中被
采用,也称为95 %正常值范围。
2 标准误
标准误( Sx 或S E ) ,是样本均数的抽样误差。在实际工
作中,我们无法直接了解研究对象的总体情况,经常采用随
机抽样的方法,取得所需要的指标,即样本指标。样本指标
与总体指标之间存在的差别,称为抽样误差,其大小通常用
均数的标准误来表示。
数理统计证明,标准误的大小与标准差成正比,而与样
本含量( n ) 的平分根成反比,即: Sx = S/ n 这就是标准误
的计算方法。
抽样研究的目的之一,是用样本指标来估计总体指标。
例如:用样本均数来估计总体均数。由于两者间存在抽样误
差,且不同的样本可能得到不同的估计值,因此,常用“区间
估计”的方法,来估计总体均数的范围。即: X ±1196 Sx 表
示总体均数的95 %可信区间; X ±2158 Sx 表示总体均数的
99 %可信区间。
95 %可信区间指的是:在X ±1196 Sx 范围中,包括总体
均数的可能性为95 % ,也就是说,在100 次抽样估计中,可能
有95 次正确(包括总体均数) ,有5 次错误(不包括总体均
数) 。99 %可信区间也是这个道理,只是包括的范围更大。
在实际工作中,由于抽取的样本较小,不呈标准正态分
布( u 分布) ,而遵从t 分布,所以常用t 值代替1196 或2158。
可在t 值表上查出不同自由度( n ′) 下、不同界值时的t 值。
可见到自由度越小, t 值越大,当自由度逐渐增大时, t 值也
逐渐接近1196 或2158 ,当n ′= ∞时, t 值就完全被其代替
了。所以,我们常用X ± t 0105 Sx 表示总体均数的95 %可
信区间,用x ± t 0101 Sx 表示总体均数的99 %可信区间。
综上所述,标准差与标准误尽管都是反映变异程度的指
标,但这是两个不同的统计学概念。标准差描述的是样本中
各观察值间的变异程度,而标准误表示每个样本均数间的变
异程度,描述样本均数的抽样误差,即样本均数与总体均数
的接近程度,也可以称为样本均数的标准差。二者不可混
淆。
由此可见,在众多的医刊上出现的x ±s 的表示方法是
错误的。原因就是混淆了二者的概念。当两样本均数进行
比较时,正确的用法应该是x ±t0105( n′) Sx 。