均值标准误（SEM）计算器

输入计算

样本标准差（s）

样本量（n）

结果

均值标准误

3

SEM = s / √n

标准差（s）	15
样本量（n）	25

什么是均值标准误？

均值标准误（SEM）用来衡量样本均值与真实总体均值之间预期的偏差大小。标准差描述的是单个数据点的离散程度，而标准误反映的则是你对平均值这一估计的精确度。样本越大，标准误越小，也就意味着样本均值越能可靠地代表总体均值。

The SEM measures how much sample means vary around the true population mean.

如何使用本计算器

填入样本标准差（s）和样本量（n），即可直接读取结果。计算器会用标准差除以样本量的平方根。如果你手头只有原始数据，请先算出标准差，再连同观测个数一起输入到这里。

公式详解

计算公式为 $$\text{SEM} = \frac{s}{\sqrt{n}}$$。其中，\(s\) 是样本标准差，\(n\) 是观测个数。由于 \(n\) 处在平方根之下，样本量扩大到原来的 4 倍，标准误也只会减小一半——在规划研究方案时，这是一条非常实用的经验法则。

Advertisement

Larger sample sizes shrink the SEM, producing a narrower sampling distribution.

SEM equals the sample standard deviation divided by the square root of the sample size.

实例演算

假设一组包含 25 个测量值的样本，其标准差为 15。那么 $$\text{SEM} = \frac{15}{\sqrt{25}} = \frac{15}{5} = 3$$。也就是说，样本均值的标准误为 3 个单位。常见的 95% 置信区间大致就是均值 \(\pm 1.96 \times 3\)。

Advertisement

常见问题

SEM 和标准差是一回事吗？不是。标准差衡量的是数据点之间的离散程度；而 SEM 衡量的是样本均值作为总体均值估计值时的波动程度。

为什么样本越大，SEM 越小？对更多观测值取平均能够削弱随机误差，因此均值会成为一个更稳定的估计。

如果我只知道总体标准差怎么办？你依然可以用它来代替 \(s\)，公式不变，仍然是 \(s / \sqrt{n}\)。