相對標準誤差計算器 - RSE
計算相對標準誤差（RSE）以評估資料精度。輸入標準誤與估計值，即可取得即時、無單位的可靠性指標。
輸入標準誤與估計值（平均數），然後按一下計算，即可取得 RSE 百分比與定性精度評級。
相對標準誤差計算器 - RSE
計算相對標準誤差（RSE）以評估資料精度。輸入標準誤與估計值，即可取得即時、無單位的可靠性指標。
關於相對標準誤差（RSE）計算器
相對標準誤差（RSE）是一種標準化、無單位的統計精度指標。它將估計值的標準誤表示為該估計值絕對值的百分比，讓研究人員與分析師能在不受尺度或單位影響的情況下，比較不同估計值的可靠性。
公式很直接：RSE (%) = (標準誤 / |估計值|) × 100。分母使用絕對值可確保結果始終為正，因為誤差是大小，而不是方向性的量。RSE 為 5% 表示標準誤是估計值的 5%，代表高精度。RSE 為 40% 則表示該估計值高度不確定，應格外謹慎看待。
標準誤（SE）本身衡量估計值周圍典型的抽樣變異程度。它由樣本標準差（s）與樣本數（n）推導而來：SE = s / √n。這個關係揭示一項重要的實務事實——降低 RSE 最可靠的方法是增加樣本數。樣本數加倍會使 SE 依 √2 ≈ 1.41 的因子降低，進而按比例縮小 RSE。
許多國家統計機關會發布可接受 RSE 水準的指引。美國人口普查局、澳洲統計局等機關常用的門檻是：RSE 低於 15% 表示高精度，估計值通常可不加註解地使用；RSE 介於 15% 到 30% 被視為可接受，但應予註明；RSE 高於 30% 則表示估計值不可靠，應附上明顯警示或完全不發布。
務必理解，RSE 衡量的是精度，而非準確度。精度指重複測量值彼此聚集的一致程度；準確度指這些測量值與真實母體值的接近程度。如果測量流程或抽樣框存在系統性偏差，一個估計值可能非常精密（RSE 小）但不準確。相反地，一個無偏但變異很大的估計值會有較大的 RSE。
在複雜調查設計、經濟模型、流行病學研究與品質管制中，RSE 特別有用，因為這些情境常需要在共同基準上比較不同量級的多個估計值。透過將變異性表示為估計值本身的一部分，RSE 為這類比較提供了公平的尺度。
RSE 計算範例
三個以實際數字說明低、可接受與高 RSE 值的情境。
| SE / 估計值 | RSE | 解讀 |
|---|---|---|
| SE = 500，估計值 = 50,000 | 1.00% | RSE < 15%——高精度。此估計值可靠性很高；具備這種精度的全國就業數字通常會不加註解地例行發布。 |
| SE = 4.5，估計值 = 20.0 | 22.50% | RSE 15%–30%——可接受精度。此估計值可使用，但應附帶謹慎說明，尤其用於政策決策時。 |
| SE = 12，估計值 = 30 | 40.00% | RSE > 30%——不可靠。統計機關通常會抑制發布或對此估計值加上嚴格限定；需要更大的樣本。 |
如何使用 RSE 計算器
- 取得樣本估計值的標準誤（SE）。這通常由統計軟體提供，或以樣本標準差除以樣本數平方根計算。
- 在標準誤欄位中輸入 SE 值。該值必須大於或等於零。
- 在估計值欄位中輸入估計值（通常為樣本平均數）。此值不可為零。
- 按一下計算，查看 RSE 百分比及其定性解讀——高精度、可接受或不可靠。
- 按一下重設，清除欄位並開始新的計算。
RSE 計算器常見問題
RSE 和標準誤有什麼差異？
標準誤（SE）是以與估計值相同單位表示的絕對變異性指標。相對標準誤差（RSE）是無單位指標，將 SE 表示為估計值的百分比。在比較不同量級或不同單位估計值的精度時，RSE 更有用。
什麼 RSE 門檻表示估計值可靠？
多數統計機關認為 RSE 低於 15% 表示高精度。RSE 介於 15% 到 30% 通常被視為有條件可接受。RSE 高於 30% 一般被認為不可靠，在發布報告中常被抑制或加上嚴格限定。
如何降低估計值的 RSE？
最直接的方法是增加樣本數。由於 SE = s / √n，增加 n 會降低 SE，進而降低 RSE。其他方法包括改善抽樣設計（分層、叢集調整）或在估計中使用輔助資訊。不過，任何引入偏差的方法即使降低變異性，也會適得其反。
RSE 可以用於比例以及平均數嗎？
可以。對於標準誤為 SE(p) 的比例 p，RSE = SE(p) / p × 100。比例的標準誤計算為 √[p(1-p)/n]。相同門檻同樣適用：RSE 低於 15% 表示比例估計可靠，RSE 高於 30% 表示應極其謹慎使用該估計值。
如果估計值為負數怎麼辦？
RSE 公式在分母中使用估計值的絕對值，因此負估計值會產生與相同大小正估計值一樣的 RSE。例如，估計值為 -200 且 SE = 20 時，RSE = 20/200 × 100 = 10%，與 +200 相同。
RSE 和變異係數相同嗎？
兩者密切相關，但並不相同。變異係數（CV）定義為樣本標準差除以樣本平均數，再乘以 100。RSE 使用的是標準誤（SD / √n），而不是標準差。因此，對任何大於 1 的樣本數，RSE 都小於 CV；隨著樣本數增加，RSE 會下降，而 CV 通常大致維持不變。