样本标准差的计算步骤与实例讲解

引言Introduction

样本标准差 是临床研究和科研写作中最常见的离散指标之一。很多医学生和研究者会算均值，却在标准差、标准误和样本量之间混淆。本文用一步一步的方式，讲清样本标准差 的计算步骤、公式含义和常见误区。

1. 什么是样本标准差

1.1 核心定义

样本标准差 描述的是样本数据围绕均值的离散程度。离散越大，标准差越大；数据越集中，标准差越小。

在临床研究里，它常用于连续变量的描述，比如身高、血压、血清硒水平、实验室指标等。若数据近似正态分布，通常用均值±标准差 来表示。

1.2 为什么科研中必须关注它

标准差不是“附属指标”。它直接影响你对数据稳定性的判断。
例如两组患者平均血压相同，但标准差差别很大，说明个体差异明显不同。只看均值，往往会误判数据特征。

此外，样本标准差还与样本量估计有关。变异度越大，研究所需样本量通常越多。这也是基础设计类型样本量计算中必须考虑标准差的原因之一。

2. 样本标准差的计算步骤

2.1 先确认数据类型

不是所有数据都适合算标准差。它主要用于连续型定量资料 。
如果是分类资料，例如阳性、阴性，患病、未患病，就不应使用标准差，而应考虑率、构成比等指标。

如果连续变量经判断接近正态分布，常用均值和标准差描述。如果明显偏态，则更适合使用中位数和四分位数。

2.2 计算均值

第一步是求均值。公式很简单：

[
\bar{x}=\frac{\sum x_i}{n}
]

也就是把所有样本值相加，再除以样本量。均值是后续计算离均差的基础。

2.3 求每个数据与均值的差值

第二步，计算每个数值与均值的差，也就是离均差。

[
x_i-\bar{x}
]

这个差值可以是正数，也可以是负数。它表示每个观测值偏离中心位置的程度。

2.4 将离均差平方

第三步，把每个离均差平方。这样做的目的，是避免正负抵消。

[
(x_i-\bar{x})^2
]

这是样本标准差计算中最关键的一步。 如果不平方，正负差值相加后可能接近0，无法反映真实离散程度。

2.5 求平方和并除以n-1

第四步，把所有平方值相加，再除以 (n-1)。

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

这里得到的是样本方差。为什么除以 (n-1) 而不是 (n)？
因为样本方差是对总体离散度的估计，使用 (n-1) 可以减少偏倚。这是统计学中的标准做法。

2.6 开方得到样本标准差

最后，对方差开平方，就得到样本标准差：

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

这就是样本标准差的标准公式。 单位与原始数据一致，这一点也很重要。比如原始单位是 mmHg，标准差单位仍然是 mmHg。

3. 用一个实例完整演示

3.1 示例数据

假设某研究纳入5名受试者，血压数据分别为：

120，122，118，125，115

下面按步骤计算样本标准差。

3.2 计算均值

先求均值：

[
\bar{x}=\frac{120+122+118+125+115}{5}=\frac{600}{5}=120
]

均值是120。

3.3 计算离均差

分别减去均值120：

• 120-120=0
• 122-120=2
• 118-120=-2
• 125-120=5
• 115-120=-5

3.4 平方并求和

将上述结果平方：

• 0²=0
• 2²=4
• (-2)²=4
• 5²=25
• (-5)²=25

平方和为：

[
0+4+4+25+25=58
]

3.5 计算方差和标准差

样本量n=5，所以除以 (n-1=4)：

[
s^2=\frac{58}{4}=14.5
]

再开方：

[
s=\sqrt{14.5}\approx 3.81
]

所以，这组数据的样本标准差约为3.81 。

最终结果可写为：120.0±3.8 mmHg。

4. 样本标准差与标准误的区别

4.1 概念不同

样本标准差 描述的是样本内部的离散程度。
标准误 描述的是样本均值作为总体估计值时的抽样误差。

这两个指标不是一回事，不能混用。

4.2 计算关系不同

标准误的公式通常是：

[
SE=\frac{s}{\sqrt{n}}
]

也就是说，标准误与样本标准差有关，但还受到样本量影响。样本量越大，标准误越小。

4.3 在论文中的使用场景不同

• 描述样本特征，常用均值±标准差
• 做推断或置信区间相关分析时，常会涉及标准误

在结果展示中，把标准差写成标准误，是临床论文中常见错误之一。

5. 常见误区与实用建议

5.1 不要把极差当标准差

极差是最大值减最小值，反映的是范围，不是离散度的整体水平。
它不能替代标准差。

5.2 不要直接用“均值±标准误”替代“均值±标准差”

如果你是在做描述性统计，而不是推断分析，通常应优先报告标准差。
只有明确说明时，才可使用标准误。

5.3 不要忽视分布类型

如果数据明显偏态，单纯报告均值和标准差可能会误导读者。
这时更建议先判断分布，再决定用哪种描述方式。

5.4 可直接借助软件计算

在实际科研中，SPSS、Excel、R、Python都可以直接计算样本标准差。
但研究者仍应理解公式，这样才能正确解释结果，并判断输出是否合理。

6. 在临床研究中的应用场景

6.1 横断面研究

例如调查某地区中老年人血清硒水平、BMI、血压等连续变量时，常需要计算样本标准差来描述离散程度。

6.2 队列研究和病例对照研究

在比较暴露组与对照组的实验室指标或生理参数时，标准差可帮助判断两组数据波动是否一致，为后续统计检验提供基础。

6.3 样本量估计

在基础设计类型的样本量计算中，标准差越大，所需样本量往往越大。
因此，样本标准差不仅是描述指标，也是研究设计中的关键参数。

总结Conclusion

样本标准差的计算步骤并不复杂。 先求均值，再算离均差，平方后求和，除以 (n-1)，最后开方即可。它的本质，是衡量样本数据围绕均值的波动程度。对于医学生、医生和科研人员来说，真正重要的不只是会算，更要会判断何时使用、如何解释、怎样写入论文。

如果你希望在临床研究、论文统计描述、样本量估计中更高效地处理数据，可以借助解螺旋 的临床研究课程与工具支持，快速提升统计理解和论文写作效率。