Стандартная ошибка среднего

Стандартная ошибка среднего (также стандартная ошибка среднего арифметического, SEM, от англ. Standard Error of the Mean) — это статистический показатель, характеризующий меру разброса выборочного среднего арифметического относительно истинного среднего генеральной совокупности. Она отражает точность, с которой выборочное среднее оценивает среднее значение всей совокупности, и является ключевой величиной в статистическом выводе, проверке гипотез и построении доверительных интервалов. Стандартная ошибка среднего не является мерой разброса самих данных (для этого используется стандартное отклонение), а показывает, насколько среднее значение, полученное по выборке, может отличаться от неизвестного среднего генеральной совокупности из-за случайных колебаний.

Определение и математическая формула

Стандартная ошибка среднего определяется как стандартное отклонение выборочного среднего. Если из генеральной совокупности со стандартным отклонением σ извлечено множество случайных выборок одинакового объёма n, то выборочные средние этих выборок будут распределены вокруг истинного среднего μ. Стандартное отклонение этого распределения и есть SEM.

При условии, что стандартное отклонение генеральной совокупности σ известно, SEM вычисляется по формуле:

\[ \text{SEM} = \frac{\sigma}{\sqrt{n}} \]

где:

• σ — стандартное отклонение генеральной совокупности;
• n — объём выборки (количество наблюдений).

На практике σ почти всегда неизвестно, поэтому его заменяют выборочным стандартным отклонением s. В этом случае используется оценка:

\[ \text{SEM} \approx \frac{s}{\sqrt{n}} \]

где s — выборочное стандартное отклонение, вычисляемое по формуле:

\[ s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2} \]

Здесь \(x_i\) — отдельные наблюдения, \(\bar{x}\) — выборочное среднее арифметическое.

Смысл и интерпретация

Стандартная ошибка среднего показывает, насколько велика случайная ошибка при оценке среднего генеральной совокупности по выборочным данным. Чем меньше SEM, тем точнее выборочное среднее оценивает истинное среднее, и тем более надёжным является этот результат.

Основные свойства SEM:

• Зависимость от объёма выборки: SEM обратно пропорциональна квадратному корню из объёма выборки. Увеличение n в 4 раза уменьшает SEM в 2 раза. Это объясняет, почему большие выборки дают более точные оценки.
• Зависимость от разброса данных: Чем больше разброс (стандартное отклонение) в генеральной совокупности, тем больше SEM при фиксированном объёме выборки.
• Не является описательной статистикой: SEM не описывает разброс самих данных, а относится к оценке параметра. Для описания вариативности данных используется стандартное отклонение.

Связь с центральной предельной теоремой

Интерпретация SEM опирается на центральную предельную теорему (ЦПТ). Согласно ЦПТ, распределение выборочных средних для выборок большого объёма (обычно n > 30) приближается к нормальному распределению, независимо от формы распределения генеральной совокупности. Среднее этого распределения равно истинному среднему μ, а его стандартное отклонение равно SEM.

Это позволяет использовать SEM для построения доверительных интервалов и проверки гипотез. Например, 95 % доверительный интервал для среднего генеральной совокупности при нормальном распределении данных и известном SEM приблизительно равен:

\[ \bar{x} \pm 1{,}96 \times \text{SEM} \]

При малых выборках (n < 30) и неизвестном σ вместо нормального распределения используют распределение Стьюдента (t-распределение), и коэффициент 1,96 заменяется на соответствующее табличное значение t-критерия.

Отличие от стандартного отклонения

Стандартная ошибка среднего и стандартное отклонение — разные понятия, которые часто путают.

На практике SEM всегда меньше или равно стандартному отклонению, и равенство достигается только при n = 1 (что лишено смысла).

Применение

В научных исследованиях

SEM широко используется в биологии, медицине, психологии, экономике и других науках для представления точности выборочных средних. На графиках SEM часто изображают в виде «усов» (error bars) вокруг среднего значения. Однако в научной литературе существует дискуссия о том, что SEM не всегда является наилучшим выбором для отображения разброса данных — для этого чаще рекомендуют стандартное отклонение или доверительные интервалы.

В проверке статистических гипотез

SEM входит в формулу многих статистических критериев, например, одновыборочного t-критерия:

\[ t = \frac{\bar{x} - \mu_0}{\text{SEM}} \]

где \(\mu_0\) — гипотетическое среднее значение. Чем меньше SEM, тем больше t-статистика и тем вероятнее, что различие между выборочным и гипотетическим средним является статистически значимым.

В регрессионном анализе

В линейной регрессии SEM для коэффициентов регрессии (стандартные ошибки коэффициентов) используется для проверки их значимости и построения доверительных интервалов. Стандартная ошибка регрессии (остаточное стандартное отклонение) является мерой разброса наблюдений вокруг линии регрессии, а не SEM среднего.

Пример расчёта

Пусть имеется выборка из 10 наблюдений: 5, 7, 8, 6, 9, 10, 7, 8, 6, 9.

1. Выборочное среднее: \(\bar{x} = 7,5\).
2. Выборочное стандартное отклонение: \(s \approx 1,58\).
3. Стандартная ошибка среднего: \(\text{SEM} = \frac{1,58}{\sqrt{10}} \approx 0,50\).

Это означает, что среднее значение выборки 7,5 оценивает истинное среднее генеральной совокупности с точностью около ±0,50 (среднеквадратическая ошибка).

Критика и ограничения

• SEM не даёт информации о разбросе индивидуальных значений. Для описания выборки более информативно указывать стандартное отклонение или межквартильный размах.
• При малых выборках и ненормальном распределении данных доверительные интервалы, построенные на основе SEM, могут быть неточными.
• Использование SEM в качестве единственного показателя точности может вводить в заблуждение, если объём выборки мал, а распределение данных сильно асимметрично.
• В некоторых научных журналах рекомендуется вместо SEM указывать доверительные интервалы (например, 95 % ДИ), которые более наглядно показывают неопределённость оценки.

Интересные факты

• Термин «стандартная ошибка» был введён в статистику в конце XIX века, а его современное понимание связано с работами Рональда Фишера в 1920-х годах.
• В англоязычной литературе SEM часто путают с SD (standard deviation), что приводит к ошибкам в интерпретации результатов.
• В некоторых дисциплинах, например в психологии, принято изображать на графиках SEM, а не SD, чтобы подчеркнуть точность оценки, а не вариативность данных.

Источники

• Гласс Дж., Стэнли Дж. Статистические методы в педагогике и психологии. — М.: Прогресс, 1976.
• Лакин Г. Ф. Биометрия. — М.: Высшая школа, 1990.
• Altman D. G. Practical Statistics for Medical Research. — Chapman & Hall, 1991.
• Zar J. H. Biostatistical Analysis. — 5th ed. — Pearson, 2010.
• Материалы курса «Статистика для исследователей» (НИУ ВШЭ, 2020).