什么是相对标准误？

在统计学中，相对标准误差 (RSE) 等于调查估计的标准误差除以调查估计再乘以 100。该数字乘以 100，因此可以用百分比表示。RSE 不一定代表标准误差之外的任何新信息，但它可能是一种展示统计置信度的优越方法。

相对标准误差与标准误差
标准误差衡量调查估计可能偏离实际人口的程度。它被表示为一个数字。相比之下，相对标准误差 (RSE) 是表示为估计值的一部分的标准误差，通常显示为百分比。RSE 为 25% 或更高的估计值存在较高的抽样误差，应谨慎使用。1

调查估计和标准误差
调查和标准误差是概率论和统计学的关键部分。统计学家使用标准误差从他们调查的数据中构建置信区间。这些估计的可靠性也可以根据置信区间进行评估。置信区间对于确定实证检验和研究的有效性很重要。

置信区间是一种区间估计，根据观察数据的统计数据计算得出，可能包含未知总体参数的真实值。置信区间表示总体值可能位于的范围。它们是使用总体值的估计值及其相关的标准误差构建的。例如，总体值大约有 95% 的机会（即 20 个中有 19 个机会）位于估计值的两个标准误差之内，因此 95% 置信区间等于估计值加上或减去两个标准误差。1

通俗地说，数据样本的标准误差是对样本与整个总体之间可能差异的度量。例如，一项涉及 10,000 名吸烟成年人的研究可能会产生与调查每个可能吸烟成年人的统计结果略有不同的统计结果。

样本误差越小表明结果越可靠。推论统计中的中心极限定理表明，大样本往往具有近似正态分布和低样本误差。

标准偏差和标准误差
数据集的标准差用于表示调查结果的集中度。数据的变化越少，标准偏差越低。更多的多样性可能会导致更高的标准偏差。

标准误差有时与标准偏差混淆。标准误差实际上是指平均值的标准偏差。标准偏差是指任何给定样本内部的可变性，而标准误差是采样分布本身的可变性。

相对标准误
标准误是抽样调查与总人口之间的绝对尺度。相对标准误差显示标准误差相对于结果是否较大；较大的相对标准误差表明结果不显着。相对标准误的计算公式为：