【やさしく解説】標準偏差（SD）と標準誤差（SE）の違い ― グラフの「±」はどっち？Rで直感的に理解する ―
この記事でわかること
- 論文やスライドで見かける「平均値 ± ○○」の「±」が、SDなのかSEなのかを見分けられるようになる
- 標準偏差（SD）と標準誤差（SE）が、そもそも「何のばらつき」を測っている数字なのかがわかる
- \( SE = SD / \sqrt{n} \) という式の意味を、計算ではなくイメージで説明できるようになる
- データを増やしたとき、SDとSEのどちらが小さくなるのかがわかる
- Rの実行結果を見ながら、SDとSEの「桁の違い」を自分の目で確かめられる
- エラーバー付きのグラフを見たときに「この棒はどちらの意味か」を判断できるようになる
はじめに
統計を学び始めると、ほぼ必ず出会う表記があります。「収縮期血圧は 130 ± 20 mmHg でした」のような、平均値のうしろに付いた「±」です。論文の表、学会発表のスライド、社内の報告書――どこにでも登場するこの記号ですが、うしろの数字が 標準偏差（SD: Standard Deviation） なのか 標準誤差（SE: Standard Error） なのかは、実は書き分けに大きな意味があります。同じ「±」でも、伝えている情報がまったく別物だからです。
やっかいなのは、この2つが名前も式もよく似ていることです。どちらも「ばらつき」を表す言葉ですし、SEはSDから計算されます。そのため「だいたい同じもの」と思ってしまいがちです。しかしSDが測っているのは データ1つ1つの散らばり、SEが測っているのは 計算した平均値そのもののブレやすさ です。見ている対象が違うので、値の大きさも、データを増やしたときの振る舞いも、まったく異なります。
この記事は、統計を学び始めたばかりの方――統計の講義を受け始めた学生の方、製薬企業や医療機関でデータに触れ始めた若手の方、他職種から研究の世界に入ってきた社会人の方に向けて書いています。数式は最小限にとどめ、出てきたときは必ず日本語で言い換えます。
前半では、SDとSEがそれぞれ何を測っているのかを身近な例で整理します。後半では実際にRでシミュレーションを回して「データを増やすとどちらが小さくなるのか」を目で確かめ、グラフのエラーバーの読み方とよくある落とし穴まで踏み込みます。まずは、なじみのあるSDから始めましょう。
標準偏差（SD）とは ― データそのもののばらつき
標準偏差（SD）は、ひとことで言えば 「1つ1つのデータが、平均からどれくらい離れているか」 を表す指標です。
たとえば健康診断で100人の収縮期血圧を測り、平均が130 mmHgだったとしましょう。その中身は2通り考えられます。全員が128〜132 mmHgに集まっているのか、それとも100 mmHgの人も160 mmHgの人もいて、ならすと130になっているのか。平均値だけでは、この違いは見えません。SDは、この「一人ひとりのちらばり具合」を1つの数字にまとめたものです。前者ならSDは小さく、後者なら大きくなります。クラス全員の身長でも同じで、SDが大きいクラスは背の高い人も低い人もいる個性豊かなクラス、というわけです。
計算の考え方はシンプルです。まず、各データが平均からどれだけ離れているか（偏差）を求めます。ただし、そのまま足すとプラスとマイナスが打ち消し合ってゼロになるので、2乗してから平均します。これが 分散 です（この「平均」を出すとき、実際にはnではなくn−1で割ります。理由はこのあとすぐ説明します）。ところが2乗したせいで、単位が元のデータの2乗（血圧なら mmHg²）という解釈しづらいものになります。そこで最後に平方根（ルート）を取り、単位を元に戻したものが標準偏差（SD）です。
\[ SD = \sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2} \]
つまりこの式は、「各データと平均の差を2乗して合計し、n−1で割って平均をとり、最後にルートで元の単位に戻す」という手順をそのまま書いたものです。難しく見えますが、やっているのは「平均からの距離の、平均的な大きさ」を求めることだけです。
割る数がnではなく n−1 なのは、手元のデータ（標本）から背後の集団全体（母集団）のばらつきを推定したいためです。nで割るとばらつきをわずかに小さく見積もってしまうので、n−1で割って少しだけ大きめに補正しています。いまは「推定のための補正」と理解しておけば十分です。
実際のデータで計算してみましょう。Rに最初から入っている iris（アヤメ）のデータから、150個体分のがく片の長さ（Sepal.Length, 単位はcm）を使います。
x <- iris$Sepal.Length
n <- length(x)
n # データの個数
mean(x) # 平均
sd(x) # 標準偏差 SD
sd(x) / sqrt(n) # 標準誤差 SE
t.test(x)$conf.int # 95%信頼区間
> [1] 150
> [1] 5.843333
> [1] 0.8280661
> [1] 0.06761132
> [1] 5.709732 5.976934
> attr(,"conf.level")
> [1] 0.95
150個体のがく片の長さは、平均 5.8433 cm、SD = 0.8281 cm でした。SDが約0.83 cmとは、「1本1本のがく片は平均から前後0.83 cmくらい散らばっているのが標準的」という意味です。実際、平均 ± SD の範囲は [5.015, 6.671] で、多くの個体がこのあたりに収まります。このように「平均 ± SD」は、データがどのくらいの幅に散らばっているかの目安を示す使い方です。なお出力の4行目 0.06761132 と5行目の区間は、このあと説明する標準誤差と信頼区間です。
ここで、初学者がつまずきやすい誤解を1つ解いておきます。
「SDが大きい＝質の悪いデータ」ではありません。SDは良し悪しの評価ではなく、対象がもともと持つ多様性をそのまま映した数字です。全国の成人男性の身長を集めればSDは当然大きくなりますが、それは測定が下手だからではなく、人の身長に個人差があるからです。逆にSDが不自然に小さいときは、対象を絞りすぎて母集団を代表できていない可能性すらあります。SDは減らすべき悪者ではなく、「このデータはどれくらい多様か」を教えてくれる記述的な指標です。
もう1つ、あとで効いてくる性質を先に触れておきます。SDは、データを増やしても小さくなりません。 100人測っても1万人測っても、人の血圧に個人差がある事実は変わらないからです。人数を増やせばSDの推定は安定しますが、値そのものが0に近づくことはありません。この点が、次に説明する標準誤差（SE）との決定的な違いです。
標準誤差（SE）とは ― 平均値のばらつき
ここからがこの記事の核心です。標準誤差（SE）は、データのばらつきではなく、計算して求めた「平均値そのもの」がどれくらいブレるか を表す指標です。
直感的に考えてみましょう。社員100人を選んで血圧を測り、ある平均値を得たとします。では別の100人で同じことをしたら、まったく同じ平均値になるでしょうか。当然なりません。つまり、同じ研究を何度もやり直すと、得られる平均値は毎回少しずつ違う値になります。 この「研究を繰り返したときに得られたはずの、平均値たちのばらつき」こそが標準誤差（SE）です。SDが「人と人の違い」を測るのに対し、SEは「研究と研究の違い」を測っている、と言い換えられます。
現実には研究を何度もやり直せませんが、SEは1回分のデータからでも次の式で計算できます。
\[ SE = \frac{SD}{\sqrt{n}} \]
つまり、「データそのもののばらつき（SD）を、サンプルサイズの平方根 \( \sqrt{n} \) で割る」だけです。ここから2つのことが読み取れます。1つは、元のデータがばらついているほど（SDが大きいほど）平均値も定まりにくいということ。もう1つは、人数nを増やせばSEは小さくなる、つまり平均値の推定が正確になっていくということです。
ただし、小さくなり方は「nに比例」ではなく「√nに比例」です。SDを20に固定して、nを変えたときのSEを並べてみましょう。
| サンプルサイズ n | SE（SD = 20 のとき） |
|---|---|
| 4 | 10.000 |
| 9 | 6.667 |
| 16 | 5.000 |
| 25 | 4.000 |
| 100 | 2.000 |
| 400 | 1.000 |
n = 4 で 10.000 だったSEは、nを4倍の16にすると 5.000 とちょうど半分。同じことは 25 → 100（4.000 → 2.000）でも 100 → 400（2.000 → 1.000）でも起きています。つまり 「SEを半分にしたければ、人数は4倍必要」 ということです。\( \sqrt{n} \) で効くため、精度の改善は人数を増やすほど鈍ります。臨床試験の症例数がしばしば大きくなるのは、この「割に合わなさ」と向き合った結果でもあります。
先ほどの iris のデータに戻りましょう。出力の4行目に出ていた 0.06761132 が、まさにSEです。
同じデータから計算しているのに、SD = 0.8281 に対して SE = 0.0676 と、SEは1桁小さい値になっています。\( \sqrt{150} \) で割っているためです。意味の違いも明確で、「がく片1本1本は平均から0.83 cmくらい散らばっている（SD）」のに対し、「150本から求めた平均値 5.8433 cm 自体の不確かさは 0.0676 cm しかない（SE）」。データはばらついていても、たくさん集めた平均はかなり正確に決まる――この対比こそがSDとSEの関係です。
SD＝データのばらつき（対象の多様性を記述する）／SE＝平均値の精度（推定の確かさを表す）。迷ったら「その数字は、目の前の1人について語っているか、それとも計算した平均について語っているか」と自問してください。前者ならSD、後者ならSEです。
なお、SEは平均値だけのものではありません。「推定した値がどれくらいブレるか」を表す指標なので、割合（率）など他の統計量にも定義できます。たとえば副作用の発現割合なら、割合 \( p \) の標準誤差は \( SE = \sqrt{p(1-p)/n} \) です。真の割合が \( p = 0.30 \) なら、n = 50 で SE = 0.0648、n = 100 で SE = 0.0458、n = 400 で SE = 0.0229 となります。n = 100 から 400 へ4倍にするとSEがほぼ半分になる関係が、ここでも成り立っています。SEは推定値一般に付いてくる精度の物差しだと覚えておくと応用が利きます。
この「平均値たちのばらつき」をもう一歩深めたい方は、統計学の基礎：標本分布を理解しよう が入口として最適です。なぜ標本平均が正規分布に近づくのか――SEを使った区間推定が成り立つ背景は、中心極限定理とは で解説しています。
Rで確かめる ― nを増やすとどちらが小さくなるのか
ここからは実際にRを動かして確かめます。環境は R version 4.5.1 (2025-06-13 ucrt) です。Rを持っていない方も、出力結果と解釈を追うだけで十分理解できますので、コードは眺めるだけで大丈夫です。使うのは「平均130 mmHg、SD 20 mmHg の集団から収縮期血圧を測ってくる」というシミュレーションです。実際には知りえない「母集団の正解」をこちらで決められるので、答え合わせをしながらSDとSEの振る舞いを観察できます。
ステップ1：nを増やして、SDとSEを見比べる
まずは人数を 10人 → 30人 → 100人 → 1000人 と増やしながら、そのつど標本のSDとSEを計算してみます。
set.seed(1234)
pop_mu <- 130; pop_sd <- 20 # 母集団：平均130 mmHg、SD 20 mmHg
for (n in c(10, 30, 100, 1000)) {
smp <- rnorm(n, pop_mu, pop_sd) # n人分の血圧を測ったつもり
cat(sprintf("n=%4d 平均=%.1f SD=%.2f SE=%.4f\n",
n, mean(smp), sd(smp), sd(smp)/sqrt(n)))
}
> n= 10 平均=122.3 SD=19.92 SE=6.2979
> n= 30 平均=121.5 SD=18.03 SE=3.2913
> n= 100 平均=129.3 SD=19.40 SE=1.9400
> n=1000 平均=129.7 SD=19.80 SE=0.6262
結果を表に整理すると、違いがいっそうはっきりします。
| n | 標本平均 | 標本SD | SE（実測） | SEの理論値 20/√n |
|---|---|---|---|---|
| 10 | 122.3 | 19.92 | 6.2979 | 6.3246 |
| 30 | 121.5 | 18.03 | 3.2913 | 3.6515 |
| 100 | 129.3 | 19.40 | 1.9400 | 2.0000 |
| 1000 | 129.7 | 19.80 | 0.6262 | 0.6325 |
2つの列を縦に眺めてください。標本SDは 19.92 → 18.03 → 19.40 → 19.80 と、19〜20あたりをうろうろしているだけで、人数を100倍にしてもまったく小さくなっていません。母集団のSDが20と決まっている以上、人数を増やしてもその20に近づくだけだからです。何人測っても、人の血圧に個人差がある事実は変わりません。
一方でSEは 6.2979 → 3.2913 → 1.9400 → 0.6262 と、一貫して小さくなっています。n = 10 から n = 1000 へ人数を100倍にすると、SEは約1/10になりました。\( \sqrt{100} = 10 \) だからです。しかも実測のSEは、右端の理論値 20/√n（6.3246 / 3.6515 / 2.0000 / 0.6325）とよく一致しています。「データを増やしても縮まないのがSD、確実に縮むのがSE」――これがこの記事で最初に押さえたい対比です。
ステップ2：SEの正体を突き止める（標本平均を1万回集める）
前半で「SEとは、同じ研究を何度もやり直したときの平均値たちのばらつきである」と説明しました。現実にはやり直せませんが、シミュレーションなら実際にやり直せます。n人の血圧を測って平均を出す作業を1万回繰り返し、集まった1万個の平均値のばらつき（SD）が本当にSEと一致するのかを確かめましょう。
set.seed(2026)
for (n in c(10, 30, 100)) {
means <- replicate(10000, mean(rnorm(n, 130, 20))) # n人の平均を1万回作る
cat(sprintf("n=%4d : 平均の平均=%.3f 標本平均たちのSD=%.3f 理論SE=%.3f\n",
n, mean(means), sd(means), 20/sqrt(n)))
}
> n= 10 : 平均の平均=130.021 標本平均たちのSD=6.422 理論SE=6.325
> n= 30 : 平均の平均=130.025 標本平均たちのSD=3.656 理論SE=3.651
> n= 100 : 平均の平均=129.998 標本平均たちのSD=1.982 理論SE=2.000
真ん中の列「標本平均たちのSD（実測）」と、右の列「SEの理論値」を見比べてください。n = 10 で 6.422 と 6.325、n = 30 で 3.656 と 3.651、n = 100 で 1.982 と 2.000。ほぼぴたりと一致しています。左端の「平均の平均」も 130.021 / 130.025 / 129.998 と、母平均130にきれいに寄っています。
ここから言えることは決定的です。1万回研究をやり直して初めてわかるはずの「平均値のブレ幅」が、たった1回分のデータから \( SD/\sqrt{n} \) という簡単な計算で言い当てられている、ということです。つまり SEとは「もしこの研究を何度もやり直したら、平均値はどれくらいブレるだろうか」を、1回きりの研究から見積もった値 なのです。
手元にあるのは1回分のデータだけなのに、その平均がどれくらい信用できるかを語れる――統計学が「たった1回の研究」から結論を出せるのは、この仕組みのおかげです。
なお、集まった1万個の平均値がきれいな正規分布のかたちに近づいていくのには理由があります。その背景については 中心極限定理とは をあわせてご覧ください。
ステップ3：SEを使うから信頼区間が作れる
SEが「平均値のブレ幅」だとわかると、次の話が自然につながります。信頼区間です。前半で計算した iris のがく片の長さ（n = 150、平均 5.8433 cm、SE = 0.0676 cm）を思い出してください。
t.test(x)が返した 95%信頼区間：[5.7097, 5.9769]- 平均 ± 1.96 × SE で手計算した区間：[5.7108, 5.9759]
小数第2位までぴたりと一致しています。つまり 95%信頼区間とは、おおよそ「平均 ± 2 × SE」の区間 です（厳密には、サンプルサイズが小さいときに使うt分布から決まる倍率を掛けます。この例では1.96ではなく1.9760でした）。信頼区間は魔法の道具ではなく、SEを平均の左右に伸ばしただけの素直な区間なのです。
ただし「およそ2倍」で済むのは、nがある程度大きいときです。nが小さいと掛ける倍率は2より明確に大きくなります。実際、n = 150 では 1.9760 ですが、n = 30 では 2.045、n = 10 では 2.262 まで大きくなります。データが少ないほど平均値の位置に自信が持てないので、区間を広めに取って安全を確保しているわけです。信頼区間そのものの考え方は 区間推定入門：数式と図解で理解する信頼区間の世界 で詳しく扱っています。
では、ここでSDを使ってしまったらどうなるでしょうか。n = 30 のデータで区間を1万回作り、真の平均（母平均）130を含んでいた割合（被覆確率）を数えた結果がこちらです。
SEを使った95%CIが母平均130を含んだ割合 : 94.8%
SDを使った95%CI（誤り）が含んだ割合 : 100.0%
正しくSEを使った区間は 94.8%――設計どおりの95%にきちんと乗っています。一方、SDで作った区間は 100.0%、つまり1万回すべてで母平均を捕まえました。「100%当たるなら優秀では」と思われるかもしれませんが、逆です。\( \sqrt{n} \) で割らないぶん区間が何倍にも広がっているだけで、「血圧の平均はだいたい90から170の間です」と言っているようなもの。外れないのは当然ですが、それでは何も言えていません。信頼区間は狭いほど情報量が多く、SDで作った区間は幅が広すぎて実務では役に立ちません。平均値の精度を語る場面では必ずSEを使うと覚えてください。
グラフの「±」はどっち？ ― エラーバーの読み方と落とし穴
論文の棒グラフや学会発表のスライドで、棒の先から上下に伸びる「ひげ」を見たことがあると思います。これが エラーバー です。このひげがSDなのかSEなのか、あるいは95%信頼区間なのかで、グラフが伝えている意味はまったく変わります。そして厄介なことに、見た目だけでは区別がつきません。
具体例で見てみましょう。プラセボ群100人と実薬群100人の収縮期血圧を比べる、という設定です。
set.seed(2026)
n <- 100
g1 <- rnorm(n, 130, 20) # プラセボ群
g2 <- rnorm(n, 138, 20) # 実薬群
d <- data.frame(group = rep(c("Placebo","Active"), each = n), sbp = c(g1, g2))
aggregate(sbp ~ group, data = d,
FUN = function(v) c(n = length(v),
mean = mean(v),
sd = sd(v),
se = sd(v)/sqrt(length(v))))
t.test(g2, g1)
> group sbp.n sbp.mean sbp.sd sbp.se
> 1 Active 100 140.4 19.16 1.916
> 2 Placebo 100 128.0 20.06 2.006
>
> Welch Two Sample t-test
>
> data: g2 and g1
> t = 4.467, df = 197.58, p-value = 1.333e-05
> alternative hypothesis: true difference in means is not equal to 0
> 95 percent confidence interval:
> 6.920733 17.861142
> sample estimates:
> mean of x mean of y
> 140.4300 128.0391
ここで使った t.test() は、2群の平均を比べるもっとも代表的な検定です。出力に出てくる t = 4.467 は「2群の差を、その差のSEで割った値」だと思ってください。差がSEの何個ぶん離れているかを表す数字で、大きいほど「偶然では説明しにくい差」ということになります。p-value はその判断を確率で表したものです。
同じデータから、SDのエラーバーとSEのエラーバーの両方を計算して並べてみます。
| 群 | n | 平均 | SD | SE | SDのエラーバー範囲 | SEのエラーバー範囲 |
|---|---|---|---|---|---|---|
| プラセボ群 | 100 | 128.0 | 20.06 | 2.006 | [108.0, 148.1] | [126.0, 130.0] |
| 実薬群 | 100 | 140.4 | 19.16 | 1.916 | [121.3, 159.6] | [138.5, 142.3] |
まったく同じデータなのに、どちらのエラーバーを描くかで見た目の印象が正反対になります。
SDのエラーバーで描くと、プラセボ群 [108.0, 148.1] と実薬群 [121.3, 159.6] は大きく重なります。グラフを見た人は「ひげがこんなに重なっているのだから、2群に差はなさそうだ」と感じるでしょう。
ところがSEのエラーバーで描くと、プラセボ群 [126.0, 130.0] と実薬群 [138.5, 142.3] はまったく重なりません（ただし、重ならないこと自体が有意性の根拠になるわけではありません。この点は次の注意でも触れます）。そして実際の検定結果は、群間差 12.391 mmHg、その95%信頼区間 [6.921, 17.861]、t = 4.467、p = 1.333×10⁻⁵。区間に0を含まず、pも極めて小さい――統計的には明確な差があるデータなのです。
なぜこうなるのか。SDのバーは「一人ひとりの血圧がどこまで散らばっているか」を描いているのに対し、SEのバーは「群の平均値がどこまで信用できるか」を描いているからです。個人差が大きい集団では、平均に明確な差があっても個人の分布は当然重なります。SDのエラーバーが重なっていても、差がないとは限らない。ここが最重要ポイントです。
「エラーバーが重なっている＝有意差なし」「重なっていない＝有意差あり」――どちらも正しくありません。上の例のとおり、SDのバーは重なっていても p = 1.333×10⁻⁵ の差があります。逆に、SEのバーが重なっていない場合でも、群間差の検定が必ず有意になるとは限りません（重なりの判定と検定の計算式は別物だからです）。エラーバーはあくまで「散らばりの目安」を目で見るための補助であり、有意性の判定装置ではありません。差の有無は必ず、群間差の信頼区間と検定結果そのもので判断してください。
どう使い分けるか
では、自分が図を作るときはどちらを使えばよいのでしょうか。答えは「何を伝えたいか」で決まります。
| 目的 | 使う指標 | 伝えたいこと |
|---|---|---|
| データの散らばりを示したい | SD | 患者集団の多様性・ばらつきの記述（どんな人たちが含まれていたか） |
| 平均値の推定精度を示したい | SE または 95%信頼区間 | 推定の確からしさ（その平均値をどこまで信用してよいか） |
| 群間差の有無を議論したい | 差の95%信頼区間 | 効果の大きさと、その不確実性（差がどれくらいで、どこまでブレうるか） |
3行目が特に大切です。2群の差を議論したいなら、各群のエラーバーを見比べるのではなく、「差そのもの」の信頼区間を示すのが最も誠実です。先ほどの例なら「群間差 12.391 mmHg、95%CI [6.921, 17.861]」と書けば、差の大きさと不確実性が一度に伝わります。信頼区間と検定結果の関係については 信頼区間とp値の関係を図解で理解する、p値そのものの意味については p値とは何か？ をご覧ください。棒グラフ以外の散らばりの見せ方（箱ひげ図やバイオリンプロットなど）は データ可視化の中級：箱ひげ図・バイオリンプロット・散布図行列の読み方 が参考になります。
論文やスライドの図表を読むときのチェックリストです。
・①凡例を必ず確認する：図の凡例やキャプションに「mean ± SD」なのか「mean ± SE」なのかが明記されているかを、グラフを解釈する前に確認しましょう
・②書いていない図は信用しない：どちらか分からないエラーバーからは、何の結論も読み取れません。同じ図がSDならほぼ差なしに、SEなら明確な差に見えてしまうため、判断を保留しましょう
・③自分が作図するときは必ず明記する：「値は平均 ± SD」「エラーバーは平均 ± SE」「エラーバーは95%信頼区間」のように、凡例へ一文添えるだけで読者の誤読を防げます
実務でのポイント
ここまでの内容を、明日から使える形にまとめておきます。論文を読むときも、自分でレポートや発表資料を作るときも、そのまま使えるチェックリストとして活用してください。
・「±」の中身を必ず書く：論文・報告書で平均を書くときは「mean ± SD」なのか「mean ± SE」なのかを、表のヘッダーか脚注に必ず明記する。書いていない表は、書いた本人以外には解読できません
・表の性格で使い分ける：患者背景表（Table 1）は「どんな人たちが集まったか」＝集団のばらつきを示す場なのでSD、有効性の解析結果は「その推定値をどこまで信用してよいか」＝推定精度を示す場なので95%信頼区間（またはSE）を使うのが一般的です
・投稿規定を先に確認する：学術誌によっては「エラーバーはSDで示すこと」「群間差は効果量と95%CIを併記すること」などが投稿規定で指定されています。図を作り直す手間を省くため、着手前に確認しておきましょう
・「見栄えが良いから」でSEを選ばない：SEは必ず \( \sqrt{n} \) で割るぶんSDより短くなるため、選ぶだけで差が大きく見える方向に働きます。指標は「何を伝えたいか」で選ぶものであって、グラフの印象で選ぶものではありません
・群間差を議論するなら「差の95%CI」を出す：各群のエラーバーを読者に見比べさせるのではなく、差そのものの信頼区間を示すのが最も明快で、誤読も起きません
・迷ったら定義に戻る：学び始めの段階では「SD＝データの説明」「SE＝推定の精度」と覚え、判断に迷ったら \( SE = SD/\sqrt{n} \) という定義に立ち返ってください。nが関わっているのがSE、いないのがSD――これだけで大半の場面は切り分けられます
参考書籍
SDとSEの違いは、統計の入口でつまずきやすいポイントであると同時に、推定・検定という統計学の本体につながる重要な分岐点でもあります。ここでは、この記事の内容をもう一歩深めたい初学者の方に向けて、実際に手を動かしながら読み進められる3冊を紹介します。
関連記事
SDとSEの理解が固まったら、そこから自然につながっていくテーマがあります。当サイトの記事から、次に読むとよいものを選びました。
区間推定入門：数式と図解で理解する信頼区間の世界
本記事では95%信頼区間を「おおよそ平均 ± 2 × SE」として紹介しましたが、その区間が何を意味しているのか、95%とは何の95%なのかを図解で丁寧に解説しています。
t検定の数理的導出とRによる実装例
記事後半で使った t.test() が内部で何を計算しているのかを掘り下げた記事です。t統計量の分母にSEが入っていることを知ると、SEを理解する意味がさらにはっきりします。
検出力分析（Power Analysis）入門
「SEを半分にするには人数が4倍必要」という話を、研究計画の段階でどう使うかがわかります。必要な症例数を決める作業は、まさにSEをどこまで小さくしたいかを決める作業です。
効果量（Effect Size）を理解すると統計が一気に実務的になる
群間差を「SDで割った値」として表すのが効果量です。SDが分母に来る指標として、SDの意味をもう一段深く理解できます。
まとめ
この記事では、統計を学び始めた方がほぼ必ずつまずく「標準偏差（SD）と標準誤差（SE）の違い」を、定義・シミュレーション・グラフの3方向から整理してきました。SDが測っているのは データ1つ1つの散らばり、SEが測っているのは 計算した平均値そのもののブレやすさ。名前も式もよく似ていますが、見ている対象がまったく違う指標です。両者をつなぐのが \( SE = SD/\sqrt{n} \) というシンプルな式で、ここにサンプルサイズnが入っているかどうかが、両者を見分ける決定的な手がかりになります。
Rでのシミュレーションでは、その違いを数字で確認しました。人数を10人から1000人へ100倍に増やしても、標本SDは19〜20あたりをうろうろするだけでまったく小さくなりません。一方でSEは 6.2979 から 0.6262 へと、きれいに約1/10まで縮みました。「データを増やしても縮まないのがSD、確実に縮むのがSE」――この対比が体感できていれば、SDとSEを取り違えることはほとんどなくなります。さらに、n人の平均を1万回作り直してそのばらつきを測るという実験では、1回きりのデータから計算したSEが、本当に「研究をやり直したときの平均値のブレ幅」を言い当てていることも確かめられました。
そして最も実務に効くのが、エラーバーの落とし穴です。まったく同じ2群のデータでも、SDのエラーバーで描けば大きく重なって「差がなさそう」に見え、SEのエラーバーで描けば重ならず「明確な差がある」ように見えます。実際の検定結果は p = 1.333×10⁻⁵、群間差の95%信頼区間は [6.921, 17.861] で0を含まない――つまり統計的には明確な差があるデータでした。エラーバーは散らばりを目で見るための補助であって、有意性の判定装置ではありません。差の有無は必ず、差の信頼区間と検定結果そのもので判断してください。この考え方をさらに固めたい方は 信頼区間とp値の関係を図解で理解する を、SEの背景にある「平均値の分布」という発想そのものを深めたい方は 統計学の基礎：標本分布を理解しよう をあわせてご覧ください。
SDとSEの区別がつくようになると、論文の読み方が変わります。これまで何となく眺めていた表の「±」やグラフのひげが、「この著者は集団の多様性を語っているのか、それとも推定の精度を語っているのか」という書き手の意図として読めるようになるからです。ここが読めると、結果の解釈が誇張されていないかを自分で判断できるようになります。最初から完璧に使い分けられる必要はありません。迷ったら \( SE = SD/\sqrt{n} \) という定義に戻る、それを繰り返すうちに自然と身についていきます。まずは手元にある論文を1本開いて、その表の「±」がSDなのかSEなのかを確かめるところから始めていただければと思います。
