標準誤差
Standard Error ・ ひょうじゅんごさ
推定量が標本ごとにどれだけ揺れるかを示す、推測の精度の物差し
✦ 30秒で試す — 航海データを4倍にしても、誤差は半分にしか減らない400人に増やすと、標準偏差は？予想してみる概要
標準誤差（Standard Error, SE）は、「推定値が標本ごとにどれだけ揺れるか」を表す数値です。母集団と標本の関係で母平均を標本平均で推定するとき、標本を引き直せば標本平均は毎回少しずつ違う値になります。この「引き直したときの標本平均のばらつき」を標準偏差として測ったものが標準誤差です。つまり標準誤差とは、データそのもののばらつきではなく、推定という行為の精度を表す物差しです。
名前がよく似た標準偏差との混同は、統計で最も頻繁に起こる取り違えのひとつです。標準偏差は「個々のデータが平均からどれだけ散らばっているか」、標準誤差は「標本平均という推定値がどれだけ揺れるか」。前者はデータを増やしても本質的に変わりませんが、後者は標本サイズ n を増やすほど小さくなります。データを集めるほど推定は正確になる、という直感を数値化したのが標準誤差だと言えます。
標準誤差は推測統計の実質的な通貨です。信頼区間の幅も、仮説検定の検定統計量も、「推定値 ± 標準誤差の何倍か」という形で標準誤差を単位に組み立てられています。
なぜ生まれたか
標本調査や測定が科学の道具になった19世紀末〜20世紀初頭、根本的な悩みは「標本から出した数字をどこまで信じてよいのか」でした。世論調査で支持率52%と出ても、別の1,000人に聞けば49%かもしれない。この揺れを見積もる手段がなければ、標本の数字は「たまたまの数字」と区別がつきません。かといって、揺れを実測するために同じ調査を何百回も繰り返すのは現実的ではありません。
突破口は、「標本平均の揺れは、たった1回の標本からでも理論的に計算できる」という事実でした。観測が互いに独立なら、標本平均の分散は「母分散 ÷ n」になり、その平方根である標準偏差は σ/√n になります。σ を標本の標準偏差で代用すれば、手元の1標本から推定の精度が見積もれます。さらに中心極限定理が「標本平均の分布は正規分布に近づく」ことを保証したため、揺れの大きさだけでなく形まで分かることになりました。天文学の観測誤差の理論（「確率誤差」と呼ばれた）から受け継がれたこの考え方に、「標準誤差」という名前を与えたのはユール（1897年）とされます。さらにゴセット（ペンネームは Student）が、σ を標本から推定したときの小標本での扱いをt分布として整備したことで、現代の推測統計の計算体系が完成しました。
詳細
√n の法則 — 精度はデータ量の平方根でしか上がらない
標本平均の標準誤差は「σ ÷ √n」です。この式が語ることは2つあります。第一に、元データのばらつき σ が大きいほど推定も揺れる。第二に、標本サイズ n を増やすと揺れは小さくなるが、その効き方は √n — つまり標準誤差を半分にしたければデータは4倍、10分の1にしたければ100倍必要です。「精度は投資に比例しては上がらない」というこの平方根の法則は、調査や実験のサンプルサイズ設計、A/Bテストの所要期間見積もりを支配する基本ルールです。
図の左右は同じ目盛りで描いています。個々のデータの山（左）の幅 σ は、何人のデータを集めても変わりません。変わるのは、平均という「まとめた値」の揺れ（右）だけです。下の部品で n を4倍ずつ増やし、金の物差しがちょうど半分ずつ縮むこと、そして上段の標本そのものの散らばりは縮まないことを確かめてください。
「平均を落とす」で n=4 の標本平均を積み上げ、次に 「n を4倍に」を押してください。下の山と金の物差しがどう変わるか、上の山と比べて見てください。
上: 個々のデータの分布（幅 = 標準偏差 σ）と最新の標本。下: 標本平均の分布（幅 = 標準誤差 σ/√n）。横軸は上下で共通
信頼区間と検定の共通部品
標準誤差の最大の使いどころは、信頼区間の構成です。中心極限定理により標本平均の分布は正規分布で近似できるので、「推定値 ± 約2 × 標準誤差」が95%信頼区間になります。世論調査の「誤差 ±3ポイント」という表現は、この標準誤差の約2倍のことです（支持率50%前後・1,000人なら、標準誤差は √(0.5×0.5/1000) ≈ 1.6ポイント）。
仮説検定でも役割は同じです。t検定の検定統計量は「平均の差 ÷ 差の標準誤差」で、差が標準誤差の何倍あるかを見て、偶然の揺れで説明できるかを判定します。2群の差の標準誤差は、それぞれの標準誤差の2乗を足して平方根をとったもの（√(SE₁² + SE₂²)）になります。σ が未知で標本の標準偏差で代用するとき、小標本ではその代用自体の不確かさが無視できないため、正規分布の代わりにt分布を使う — これが t 検定の「t」の由来です。回帰分析の出力に係数ごとに並ぶ standard error の列も同じもので、係数の推定がどれだけ揺れうるかを示しています。
標本平均以外への一般化とブートストラップ
標準誤差は標本平均専用の概念ではなく、あらゆる推定量について「その推定量の標本分布の標準偏差」として定義されます。割合の標準誤差 √(p(1−p)/n)、回帰係数の標準誤差、相関係数の標準誤差など、それぞれに公式や近似式があります。中央値や比率の比のように公式が扱いにくい推定量でも、手元の標本から復元抽出で「作り直した標本」を何千回も作り、推定値の揺れを実測するブートストラップ法で標準誤差を求められます。
実務での読み方と落とし穴
グラフのエラーバーを見たら、まず「これは標準偏差か、標準誤差か、信頼区間か」を確認してください。標準誤差は n を増やすほど小さくなるため、大標本の研究ではエラーバーが極端に短くなり、データのばらつきが小さいかのような錯覚を与えます。逆に「データの散らばり」を見せたい文脈で標準誤差を描くと、ばらつきを過小に見せる誤解を招きます。論文では見栄えのために短い標準誤差のバーが選ばれがちなので、キャプションを必ず確かめる習慣をつけましょう。
もう1つの大きな落とし穴が、σ/√n の公式が観測の独立性を前提にしていることです。同じ人を繰り返し測ったデータ、同じクラスの生徒、時系列のように互いに似通ったデータでは、実質的な情報量は見かけの n より少なく、公式どおりに計算すると標準誤差を小さく見積もりすぎます。A/Bテストでユーザー単位に割り付けたのにページビュー単位で集計する、といった単位の取り違えも同じ罠です。こうした場合はクラスタを考慮した標準誤差（クラスタロバスト標準誤差）や、クラスタ単位のブートストラップを使います。標準誤差は「1回の標本しか持てない私たちが、無数の平行世界での揺れを見積もる道具」— この意味を押さえておけば、使いどころも限界も自然に見えてきます。
試問
平均 50・標準偏差 10 の母集団から n 個を取り出して平均（標本平均）をとり、1つずつ落として積み上げます。標本平均が取り直すたびにどれだけ揺れるかを表すのが標準誤差です。n を選び、標本平均を落として、命題が成り立つかを実測で確かめてください。
「平均を落とす」で n=4 の標本平均を積み上げ、次に 「n を4倍に」を押してください。下の山と金の物差しがどう変わるか、上の山と比べて見てください。
上: 個々のデータの分布（幅 = 標準偏差 σ）と最新の標本。下: 標本平均の分布（幅 = 標準誤差 σ/√n）。横軸は上下で共通