相对标准误差计算器 - RSE
计算相对标准误差（RSE）以评估数据精度。输入标准误差和估计值，即可获得即时、无单位的可靠性指标。
输入标准误差和估计值（均值），然后点击计算，即可得到 RSE 百分比和定性精度评级。
相对标准误差计算器 - RSE
计算相对标准误差（RSE）以评估数据精度。输入标准误差和估计值，即可获得即时、无单位的可靠性指标。
关于相对标准误差（RSE）计算器
相对标准误差（RSE）是一种标准化、无单位的统计精度指标。它把估计值的标准误差表示为该估计值绝对值的百分比，使研究人员和分析师能够在不受量级或单位影响的情况下比较不同估计值的可靠性。
公式很直接：RSE (%) = (标准误差 / |估计值|) × 100。分母使用绝对值可确保结果始终为正，因为误差表示大小，而不是方向性数量。RSE 为 5% 表示标准误差是估计值的 5%，说明精度较高。RSE 为 40% 则表明该估计值高度不确定，应格外谨慎对待。
标准误差（SE）本身衡量估计值周围典型的抽样变异程度。它由样本标准差（s）和样本量（n）推导而来：SE = s / √n。这个关系揭示了一个重要的实践事实——降低 RSE 最可靠的方法是增加样本量。样本量翻倍会使 SE 按 √2 ≈ 1.41 的因子降低，从而按比例缩小 RSE。
许多国家统计机构会发布可接受 RSE 水平的指南。美国人口普查局、澳大利亚统计局等机构常用的阈值是：RSE 低于 15% 表示高精度，估计值通常可以不加限定地使用；RSE 在 15% 到 30% 之间被视为可接受，但应加以说明；RSE 高于 30% 则表明估计值不可靠，应附上明显警示或完全不发布。
需要理解的是，RSE 衡量的是精度，而不是准确度。精度指重复测量值彼此聚集的一致程度；准确度指这些测量值与真实总体值的接近程度。如果测量过程或抽样框存在系统性偏差，一个估计值可能非常精密（RSE 很小）但并不准确。反过来，一个无偏但变异很大的估计值会有较大的 RSE。
在复杂调查设计、经济建模、流行病学研究和质量控制中，RSE 尤其有用，因为这些场景常常需要在共同基准上比较不同量级的多个估计值。通过把变异性表示为估计值本身的一部分，RSE 为这种比较提供了公平的尺度。
RSE 计算示例
三个使用真实数字展示低、可接受和高 RSE 值的场景。
| SE / 估计值 | RSE | 解读 |
|---|---|---|
| SE = 500，估计值 = 50,000 | 1.00% | RSE < 15%——高精度。该估计值可靠性很高；具有这种精度的全国就业数据通常会不加限定地发布。 |
| SE = 4.5，估计值 = 20.0 | 22.50% | RSE 15%–30%——可接受精度。该估计值可用，但应附带谨慎说明，尤其是在用于政策决策时。 |
| SE = 12，估计值 = 30 | 40.00% | RSE > 30%——不可靠。统计机构通常会抑制发布或对该估计值加上严格限定；需要更大的样本。 |
如何使用 RSE 计算器
- 获取样本估计值的标准误差（SE）。它通常由统计软件提供，或按样本标准差除以样本量平方根计算。
- 在标准误差字段中输入 SE 值。该值必须大于或等于零。
- 在估计值字段中输入估计值（通常为样本均值）。该值不能为零。
- 点击计算，查看 RSE 百分比及其定性解读——高精度、可接受或不可靠。
- 点击重置，清空字段并开始新的计算。
RSE 计算器常见问题
RSE 和标准误差有什么区别？
标准误差（SE）是以与估计值相同单位表示的绝对变异性指标。相对标准误差（RSE）是无单位指标，把 SE 表示为估计值的百分比。在比较不同量级或不同单位估计值的精度时，RSE 更有用。
什么 RSE 阈值表示估计值可靠？
多数统计机构认为 RSE 低于 15% 表示高精度。RSE 在 15% 到 30% 之间通常被视为有条件可接受。RSE 高于 30% 一般被认为不可靠，在发布报告中常被抑制或加上严格限定。
如何降低估计值的 RSE？
最直接的方法是增加样本量。由于 SE = s / √n，增加 n 会降低 SE，从而降低 RSE。其他方法包括改进抽样设计（分层、聚类调整）或在估计中使用辅助信息。不过，任何引入偏差的方法即使降低了变异性，也是适得其反的。
RSE 能否用于比例以及均值？
可以。对于标准误差为 SE(p) 的比例 p，RSE = SE(p) / p × 100。比例的标准误差按 √[p(1-p)/n] 计算。相同阈值同样适用：RSE 低于 15% 表示比例估计可靠，RSE 高于 30% 表示应极其谨慎使用该估计值。
如果估计值为负数怎么办？
RSE 公式在分母中使用估计值的绝对值，因此负估计值会产生与同等大小正估计值相同的 RSE。例如，估计值为 -200 且 SE = 20 时，RSE = 20/200 × 100 = 10%，与 +200 相同。
RSE 和变异系数一样吗？
二者密切相关，但并不相同。变异系数（CV）定义为样本标准差除以样本均值，再乘以 100。RSE 使用的是标准误差（SD / √n），而不是标准差。因此，对任何大于 1 的样本量，RSE 都小于 CV；随着样本量增加，RSE 会下降，而 CV 通常大致保持不变。