Der Standardfehler gibt an, wie stark ein Stichprobenmittelwert allein aufgrund der Zufälligkeit der Stichprobe wahrscheinlich vom wahren Grundgesamtheitsmittelwert abweichen wird. Es handelt sich um eine der am häufigsten verwendeten – und verwirrendsten – Statistiken in der Forschung, da sie leicht mit der Standardabweichung verwechselt werden kann. In diesem Leitfaden wird erklärt, was der Standardfehler misst, wie er berechnet wird und wo er verwendet wird.
Standardfehler vs. Standardabweichung
Die Standardabweichung (SD) beschreibt, wie weit einzelne Datenpunkte um den Mittelwert verteilt sind – sie ist eine Eigenschaft Ihrer Rohdaten. Der Standardfehler (SE) beschreibt, wie stark der Stichprobenmittelwert selbst variieren würde, wenn Sie den Stichprobenvorgang viele Male wiederholen würden – er ist eine Eigenschaft Ihrer Schätzung, nicht Ihrer Daten. Die Beziehung ist einfach: SE = SD / √n. Mit zunehmender Stichprobengröße n bleibt die Standardabweichung der Daten ungefähr gleich, aber der Standardfehler des Mittelwerts nimmt ab, da größere Stichproben stabilere und präzisere Schätzungen des wahren Durchschnitts liefern.
Der Standardfehler ist nützlich, um die geschätzte Stichprobenvariabilität zu beschreiben, aber ein Konfidenzintervall erfordert die Multiplikation mit einem geeigneten kritischen Wert, bei einer kleinen Stichprobe oft mit einem kritischen Wert. Die Standardabweichung bleibt das richtige Maß, wenn es darum geht, die Streuung einzelner Beobachtungen zu beschreiben – zum Beispiel in Fehlerbalken in einem Diagramm mit Durchschnittsmessungen oder im Nenner einer T-Test-Statistik.
Warum die Quadratwurzel von n wichtig ist
Der Standardfehler schrumpft nicht direkt proportional zur Stichprobengröße – er schrumpft mit der Quadratwurzel von n. Durch die Verdoppelung Ihrer Stichprobengröße wird der Standardfehler nur um den Faktor 1,41 (√2) reduziert, nicht um die Hälfte. Um den Standardfehler zu halbieren, benötigen Sie das Vierfache der Stichprobengröße. Um es auf ein Drittel zu reduzieren, benötigen Sie das Neunfache der Probe. Dieser Zusammenhang zwischen sinkenden Erträgen ist der Grund, warum sehr große Stichprobengrößen erforderlich sind, um kleine Verbesserungen der Präzision herauszuholen, und warum Forscher die Kosten für die zusätzliche Datenerhebung gegen die tatsächliche Verschärfung ihrer Schätzung abwägen.
Grenzen und welche Standardfehler Ihnen nichts verraten
Der Standardfehler berücksichtigt nur die Zufallsstichprobenvariabilität – er geht davon aus, dass Ihre Stichprobe unabhängig und zufällig aus der Grundgesamtheit gezogen wurde, die Ihnen wichtig ist. Es sagt nichts über Messverzerrungen, eine schlecht gestaltete Stichprobe oder systematische Fehler bei der Datenerfassung aus; Eine Studie kann einen winzigen Standardfehler aufweisen und dennoch völlig falsch liegen, wenn die zugrunde liegende Stichprobe nicht repräsentativ ist. Der Standardfehler ist auch der Baustein für andere Statistiken – er wird mit einem kritischen Wert (einem Z-Score oder T-Score) multipliziert, um eine Fehlerspanne und ein Konfidenzintervall zu erstellen, und er erscheint im Nenner von Hypothesenteststatistiken wie der T-Statistik.