标准差和标准误区别：论文写作规范解析

引言Introduction

标准差和标准误区别 ，是医学生、医生和科研人员在论文写作中最常混淆的问题之一。二者都描述数据波动，但含义不同，写错会直接影响结果解释、图表展示和统计结论的可信度。

1. 先把概念分清

1.1 标准差描述“个体离散程度”

标准差，英文是 standard deviation，缩写为 SD。它反映的是一组数据围绕均值的离散程度。数据越分散，标准差越大。

例如，同样是平均血红蛋白 130 g/L，两组患者的个体值分布可能完全不同。一个组很集中，另一个组波动大。此时，标准差就能体现这种“个体间差异”。

在临床研究里，标准差更适合描述连续变量的分布特征。比如年龄、BMI、血糖、血压等。它回答的是“样本内部有多分散”。

1.2 标准误描述“均值估计精度”

标准误，英文是 standard error，缩写为 SE。它描述的是样本均值作为总体均值估计时的不确定性。它不是个体波动，而是均值的波动。

标准误越小，说明用样本均值估计总体均值越稳定。它与样本量有关。一般来说，样本量越大，标准误越小。

常见公式是：
SE = SD / √n

这意味着，标准差不变时，样本量增加，标准误会下降。所以，标准误不能代替标准差使用。两者对应的统计含义不同。

2. 两者区别到底在哪里

2.1 一个看“数据散不散”，一个看“均值准不准”

这是最核心的区别。标准差看的是原始数据的离散程度，标准误看的是样本均值的抽样误差。

如果你在论文中报告“均值 ± 标准误”，读者会误以为这是个体数据的分散程度。实际上，标准误通常更小，容易让人低估真实波动。

这也是很多论文结果写得“不规范”的原因。尤其在表格中，如果作者没有说明是 SD 还是 SE，读者无法判断数据到底代表什么。

2.2 标准误受样本量影响更明显

标准差主要反映样本本身的变异。标准误则和样本量直接相关。样本量越大，标准误越小。
所以，SE 不能用来替代 SD 描述临床样本特征。

举个例子。
同一批数据，如果从 25 例增加到 100 例，标准差可能变化不大，但标准误会明显下降。原因很简单，均值估计更稳定了。

这也是为什么在基线特征表中，临床研究通常报告“均值 ± 标准差”，而不是“均值 ± 标准误”。

3. 论文写作中应该怎么用

3.1 基线特征一般用标准差

在临床论文的“结果”部分，连续变量如果近似正态分布，通常写成：

• 均数 ± 标准差
• 例如：年龄 56.3 ± 12.4 岁

这是论文写作中最常见、也最规范的表达方式。

如果数据明显偏态，则应考虑中位数和四分位数，不要机械写成均值 ± SD。统计描述必须和数据分布一致。

3.2 标准误更常出现在推断统计里

标准误常见于以下场景：

• 回归系数的标准误
• 均值差异的估计
• 置信区间的计算
• 抽样误差相关分析

也就是说，标准误更多服务于统计推断，而不是单纯描述样本特征。
在论文结果展示中，SE通常不是首选的描述性统计指标。

3.3 图表中要写清楚缩写

如果表格或图中使用 SD、SE，必须在脚注中说明。
例如：

• 数据以均数 ± 标准差表示
• 数据以均值 ± 标准误表示

这样才符合图表“自明性”的要求。读者不需要回正文反复查找，也能直接理解结果。

4. 常见错误有哪些

4.1 把标准误当成标准差

这是最常见错误。很多初学者看到两个“±”指标，就默认它们可以互换。其实不行。
标准误通常小于标准差，直接替换会夸大结果精确性。

尤其在样本量较大时，SE会显得更“漂亮”，但这并不代表数据更稳定，只代表均值估计更精确。

4.2 结果部分不说明统计量含义

有些文章只写“X ± Y”，没有说明是 SD 还是 SE。这样的表述不规范。
对于审稿人和读者来说，这属于信息缺失。

临床论文强调可重复、可核查。结果必须写清楚统计量定义，这是基本要求。

4.3 用标准误描述基线特征

基线表的目的，是展示组间原始特征差异。此时更应报告 SD，而不是 SE。
如果用 SE，读者会误判组内离散程度，影响对样本可比性的判断。

尤其在随机对照研究、队列研究和横断面研究中，这一点非常重要。

5. 如何在论文中正确表述

5.1 推荐写法

你可以按照下面的规范来写：

1. 正态分布连续变量：均数 ± 标准差。
2. 偏态分布连续变量：中位数（四分位数）。
3. 推断性分析：必要时报告标准误和95%置信区间。
4. 图表脚注写明统计学方法。

例如：

• 组A年龄为 58.2 ± 10.6 岁，组B为 55.4 ± 11.8 岁。
• 回归模型中，β系数及其标准误见表2。
• 结果以均数 ± 标准差表示。

5.2 写作时先看研究目的

如果你的目的是描述样本特征，就用 SD。
如果你的目的是估计参数并评价不确定性，就可能需要 SE 和置信区间。

不要为了“好看”而选择标准误。统计量的选择，应该服务于研究问题。

这一点和临床论文写作中的结果表达原则一致。先看研究目的，再决定展示方式。不要堆砌统计量，更不要让表格失去自明性。

6. 读懂标准差和标准误，还要结合图表规范

6.1 图和表要能单独看懂

论文中的图表最好做到“独立成文”。读者不看全文，也能理解图表传递的信息。
因此，SD、SE、P值、95%CI等都应标注完整。

如果只是简单写“均值±误差”，却不说明误差类型，图表就失去了专业性。
自明性是论文图表规范的重要要求。

6.2 不要滥用缩写和符号

在论文表格中，尽量避免用 a、b、c 代替组别名称。
对于标准差和标准误，也不要只写缩写而不解释。

规范写法能减少误读，也能降低审稿时的沟通成本。对科研人员而言，这不是细节，而是基础质量控制。

总结Conclusion

标准差和标准误区别，本质上是“描述离散程度”与“估计精确度”的区别。 标准差反映个体数据波动，标准误反映均值估计的不确定性。临床论文中，连续变量的基线描述通常优先使用标准差；标准误则更多用于推断统计和置信区间计算。

如果你在论文写作中还在混用 SD 和 SE，建议先统一统计描述口径，再检查表格脚注和图注是否写清楚。规范的结果表达，能直接提升论文的专业度和可信度。

想进一步把结果部分、表格规范、统计表达写得更标准，可以结合解螺旋 的论文写作与统计呈现思路，系统优化你的科研稿件。