怎样计算估计标准误差？

用k个自变量建立线性方程，预测因变量的值，则自由度
公式：
其中SSE是估计值与实际值的离差平方和。
估计标准误差（Se）是说明实际值与其估计值之间相对偏离程度的指标，主要用来衡量回归方程的代表性。
估计标准误差的值越小，则估计量与其真实值的近似误差越小，但不能认为估计量与真实值之间的绝对误差就是估计标准误差。
扩展资料
回归估计是通过对调查变量Y以及该变量有线性关系的辅助变量X建立回归方程，然后运用回归方程对总体指标进行推断、估计的方法。而回归估计量是指回归估计方法中所用到的调查变量以及与该变量有线性关系的辅助变量。

标准误=标准差 / N的根号。标准误差定义为各测量值误差的平方和的平均值的平方根，故又称为均方根误差。

标准误，即样本均数的标准差，是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度，反映的是样本均数之间的变异。标准误不是标准差，是多个样本平均数的标准差。标准误用来衡量抽样误差。

标准误越小，表明样本统计量与总体参数的值越接近，样本对总体越有代表性，用样本统计量推断总体参数的可靠度越大。因此，标准误是统计推断可靠性的指标。

扩展资料：

需要注意的是，标准误差不是测量值的实际误差，也不是误差范围，它只是对一组测量数据可靠性的估计。标准误差小，测量的可靠性大一些，反之，测量就不大可靠。进一步的分析表明，根据偶然误差的高斯理论，当一组测量值的标准误差为σ时，则其中的任何一个测量值的误差εi有68．3%的可能性是在（－σ，＋σ）区间内。

信度系数与信度指数：

除了测量标准误，通常在理测量中会使用信度系数和信度指数作为指标。

1、信度系数：即信度，一种相关性系数。常为同一受测者样本所得的两组资料的相关。

2、信度指数：也可作为信度系数。信度指数的平方就是信度系数。

参考资料：

百度百科-se

1、每个样本数据减去样本全部数据的平均值。

2、把步骤一所得的各个数值的平方相加。

3、把步骤二的结果除以(n-1)（“n”指样本数目）。

4、从步骤三所得的数值之平方根就是抽样的标准偏差。标准偏差(Std Dev,Standard Deviation) -统计学名词。一种度量数据分布的分散程度之标准，用以衡量数据值偏离算术平均值的程度。标准偏差越小，这些值偏离平均值就越少，反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。

设n个测量值的误差为E1、E2……En，则这组测量值的标准误差σ等于：
其中，E = Xi − T，式中：E－误差；Xi－测定值；T－真实值。
由于被测量的真值是未知数，各测量值的误差也都不知道，因此不能按上式求得标准误差。测量时能够得到的是算术平均值，它最接近真值（N），而且也容易算出测量值和算术平均值之差，称为残差（记为v）。理论分析表明可以用残差v表示有限次（n次）观测中的某一次测量结果的标准误差σ，其计算公式为：
对于一组等精度测量（n次测量）数据的算术平均值，其误差应该更小些。理论分析表明，它的算术平均值的标准误差。有的书中或计算器上用符号s表示）：

---