RSE計算器 - 相對標準誤差

相對標準誤差（RSE）是一種標準化、無單位的統計精度度量。它把某個估計的標準誤差表示為該估計絕對值的百分比，讓研究人員與分析人員能夠在不受尺度或單位影響的情況下比較不同估計的可靠性。 公式很簡單：RSE (%) = (標準誤差 / |估計值|) × 100。分母中的絕對值可確保結果始終為正，因為誤差表示的是大小而不是方向。RSE 為 5% 表示標準誤差相當於估計值的 5%，代表精度很高；RSE 為 40% 則顯示該估計具有高度不確定性，應格外謹慎看待。 標準誤差（SE）本身衡量的是估計周圍典型的抽樣變異。它由樣本標準差（s）與樣本數（n）推導而來：SE = s / √n。這個關係揭示了一個重要的實務真相——降低 RSE 最可靠的方法是增加樣本數。樣本數加倍會讓 SE 以 √2 ≈ 1.41 的因子下降，進而按比例縮小 RSE。 許多國家統計機構都會發布可接受 RSE 水平的指引。美國人口普查局與澳洲統計局等機構常用的門檻是：RSE 低於 15% 代表高精度，通常可不加限定地使用；RSE 介於 15% 到 30% 之間屬於可接受，但應加註說明；RSE 高於 30% 則表示該估計不可靠，通常應附上醒目警告，或直接予以抑制。 需要理解的是，RSE 衡量的是精度，而不是準確性。精度是指重複測量彼此聚集的程度；準確性是指這些測量與真實母體值的接近程度。即使某個估計非常精確（RSE 很小），若測量過程或抽樣框存在系統性偏差，它仍然可能不準確。反之，一個無偏但波動很大的估計會有較大的 RSE。 RSE 在複雜抽樣設計、經濟建模、流行病學研究與品質管制中特別有用，因為這些情境中往往需要在同一基準下比較多個不同量級的估計。透過把變異表示為估計值本身的一個比例，RSE 為這種比較提供了公平的尺度。