樣本均值標準誤計算器（SEM）
根據原始樣本資料計算平均數標準誤（SEM）——輸入數字即可一步得到樣本數、平均數、標準差、變異數和SEM。
輸入以逗號分隔的一組數字。計算器會計算樣本標準差、變異數、平均數和平均數標準誤（SEM = s / √n）。
樣本均值標準誤計算器（SEM）
根據原始樣本資料計算平均數標準誤（SEM）——輸入數字即可一步得到樣本數、平均數、標準差、變異數和SEM。
輸入以逗號或空格分隔的數字
關於樣本均值標準誤計算器
樣本均值標準誤——更常見的名稱是平均數標準誤（SEM）——是一項基礎統計量，用來量化樣本平均數對母體真實平均數的估計有多精確。樣本標準差（s）描述的是樣本內各個觀測值的分散程度，而 SEM 描述的是在同一母體中、相同樣本數的所有可能樣本裡，樣本平均數本身的分散程度。
公式簡單而有力：SEM = s / √n，其中 s 是樣本標準差，n 是觀測數量。由於分母中包含 √n，樣本數越大，SEM 越小。將 n 加倍，SEM 會縮小為原來的 1/√2 ≈ 0.71；將 n 增加到四倍，SEM 會減半。這就是為什麼更大的研究通常能提供更精確的估計，也解釋了研究者在蒐集資料前，為何要先計算達到目標精度所需的最小樣本數。
SEM 是信賴區間的基礎。對大樣本而言，母體平均數的 95% 信賴區間可近似寫成 x̄ ± 1.96 × SEM（使用 z 分配）；對小樣本則為 x̄ ± t × SEM（使用自由度為 n−1 的適當 t 分配）。在表格和圖表中同時報告 SEM 與平均數，可以傳達估計的精度——SEM 小代表樣本平均數對母體平均數的估計很精確，SEM 大則表示估計的不確定性較高。
本計算器使用樣本標準差（採用貝塞爾校正，即除以 n−1），而不是母體標準差（除以 n），因為實務上你幾乎總是在處理樣本，而不是完整母體。如此算出的 SEM，是平均數抽樣分配標準差的無偏估計量。
SEM 的實際應用非常廣泛。在臨床試驗中，將 SEM 與各組平均數一起報告，可讓讀者判斷組間差異是否大於單純抽樣變異所能解釋的程度。在品質管制中，對同一產品進行重複測量可用來計算 SEM，並驗證製程是否穩定。在調查研究中，SEM 可用於估計報告平均值的誤差範圍。在心理學與社會科學中，長條圖上的 SEM 誤差棒可顯示表面上的組間差異是否具有統計意義。只要你需要報告平均數並傳達其可靠性，SEM 就是最合適的搭配統計量。
平均數標準誤範例
來自不同領域的四組樣本資料——每個範例都展示了 SEM 如何與樣本數和分散程度相關。
| 資料 | SEM | 情境 |
|---|---|---|
| 85, 92, 78, 88, 90 | SEM ≈ 2.4413 | 課堂測驗成績（n=5）。標準差 ≈ 5.46，平均數 = 86.6。SEM 顯示平均數估計的精度約為 ±2.4 分。 |
| 5.01, 4.98, 5.03, 4.99, 5.00 | SEM ≈ 0.0086 | 滾珠軸承直徑（毫米，n=5）。極小的 SEM 反映出非常一致的製造品質。 |
| 150.50, 155.25, 148.75, 152.00, 158.50 | SEM ≈ 1.7410 | 一週內的股票收盤價（n=5）。$1.74 的 SEM 表示週平均值具有中等程度的不確定性。 |
| -2, 3, 1, -1, 4, 0 | SEM ≈ 0.9458 | 相對基準的溫度偏差（n=6）。可正確處理負值；平均數 = 0.833°C。 |
如何使用 SEM 計算器
- 在輸入欄中輸入以逗號分隔的樣本資料——包含樣本中的所有觀測值。
- 點擊「計算」。工具會立即計算樣本數、平均數、樣本標準差、樣本變異數和 SEM。
- 查看 SEM 數值——它就是樣本平均數的標準誤，等於 s / √n。
- 使用 SEM 建立信賴區間：將其乘上所需信賴水準對應的 t 值或 z 值。
- 點擊範例按鈕載入預設資料集，或點擊「重設」清除所有值並重新開始。
平均數標準誤常見問題
SD 和 SEM 有什麼差別？
樣本標準差（SD 或 s）衡量的是樣本內各個資料點的分散程度。平均數標準誤（SEM）衡量的是樣本平均數對母體真實平均數的估計有多精確——它等於 SD 除以 n 的平方根。SD 不會因為資料變多而縮小，SEM 會。報告 SD 說明的是資料本身的變異性；報告 SEM 說明的是平均數估計的精度。
在表格和圖表中，我應該什麼時候報告 SEM，什麼時候報告 SD？
當你想描述樣本中單一測量值的變異或分散程度時，報告 SD——例如研究中病人年齡的分布範圍。當你想傳達平均數估計的精度時，報告 SEM——例如比較治療組平均數的長條圖誤差棒。許多科學期刊要求作者明確說明報告的是哪一種，因為兩者傳達的資訊差異很大。
為什麼樣本數越大，SEM 越小？
因為 SEM = s / √n，當 n 增加時，分母變大，SEM 就會縮小。直觀地說，樣本越大，對母體的資訊越多；相同大小的重複樣本，其平均數會更緊密地聚集在母體真實平均數周圍。這就是「資料越多，確定性越高」的量化表達。
我可以用 SEM 來檢驗統計顯著性嗎？
不能直接用——但它是顯著性檢定的關鍵組成部分。t 統計量的計算方式是 (x̄ − μ₀) / SEM，而兩組比較則使用兩組的 SEM 來計算差值的標準誤。任何比較平均數的統計檢定，內部都依賴 SEM。不過，p 值的計算還需要特定的虛無假設和檢定方法，這些超出了 SEM 本身能提供的範圍。
如果我的 SEM 非常大，該怎麼辦？
相對於平均數而言很大的 SEM，通常意味著樣本數太小、資料波動很大（SD 高），或兩者兼具。可以考慮蒐集更多資料來降低 SEM。如果無法增加 n，請在報告 SEM 的同時提供確切樣本數，讓讀者判斷精度，並考慮報告信賴區間以明確呈現不確定性。你也可以檢查是否有離群值拉高了 SD。