267. Odchylenie standardowe – interpretacja i najczęstsze błędy

Odchylenie standardowe jest jedną z najczęściej stosowanych miar zmienności. Informuje, jak bardzo poszczególne obserwacje różnią się od średniej arytmetycznej. Podobnie jak w przypadku wariancji, sama wartość odchylenia standardowego nie mówi jednak, czy wynik jest „dobry” albo „zły”. Jej znaczenie zależy od jednostki pomiaru, rozkładu danych, wielkości średniej i celu analizy. W tej lekcji, będącej częścią kursu metodologii badań i statystyki na statystyk.edu.pl, uporządkujemy interpretację tej miary oraz omówimy błędy, które często pojawiają się w raportach naukowych.

1. Czym jest odchylenie standardowe?

Odchylenie standardowe, oznaczane najczęściej symbolem SD lub s, opisuje rozproszenie wartości wokół średniej. Jeżeli wszystkie pomiary są do siebie bardzo podobne, odchylenie standardowe będzie małe. Jeżeli obserwacje są silnie zróżnicowane, SD będzie większe.

Ważną właściwością odchylenia standardowego jest zachowanie jednostki zmiennej. Jeżeli mierzymy ciśnienie skurczowe w mmHg, odchylenie standardowe również wyrażamy w mmHg. Jeżeli analizujemy czas reakcji w milisekundach, SD będzie podane w milisekundach. Dzięki temu miara jest łatwiejsza do interpretacji niż wariancja, która ma jednostkę podniesioną do kwadratu.

Odchylenie standardowe nie jest miarą położenia, lecz zmienności. Średnia informuje o typowym poziomie wyniku, a SD o jego zróżnicowaniu. Dlatego zapis „średnia ± odchylenie standardowe” powinien być czytany jako połączenie dwóch informacji: gdzie znajduje się centrum danych oraz jak bardzo dane są rozproszone.

2. Wzór i znaczenie jego elementów

Dla próby statystycznej odchylenie standardowe oblicza się ze wzoru:

s = √[Σ(x_i − x̄)² / (n − 1)]

• s – odchylenie standardowe w próbie;
• x_i – pojedyncza obserwacja;
• x̄ – średnia arytmetyczna w próbie;
• x_i − x̄ – odchylenie pojedynczej obserwacji od średniej;
• Σ – znak sumowania wszystkich kwadratów odchyleń;
• n – liczba obserwacji;
• n − 1 – liczba stopni swobody używana przy szacowaniu zmienności populacji na podstawie próby;
• √ – pierwiastek kwadratowy.

Najpierw dla każdej obserwacji oblicza się różnicę między jej wartością a średnią. Następnie różnice są podnoszone do kwadratu, aby wartości dodatnie i ujemne się nie znosiły. Po zsumowaniu kwadratów odchyleń dzieli się wynik przez n − 1, a na końcu wyciąga pierwiastek.

W przypadku całej populacji stosuje się zwykle wzór z mianownikiem N, a nie n − 1. W badaniach empirycznych analizujemy jednak najczęściej próbę, która ma dostarczyć informacji o populacji. Dlatego programy statystyczne domyślnie podają zazwyczaj odchylenie standardowe z poprawką dla próby, czyli z mianownikiem n − 1.

Dlaczego pojawia się n − 1?

Średnia z próby jest wyznaczana na podstawie tych samych obserwacji, których zmienność później oceniamy. Powoduje to, że odchylenia względem średniej z próby są przeciętnie nieco mniejsze niż odchylenia względem prawdziwej, nieznanej średniej populacji. Dzielenie przez n − 1 częściowo koryguje to zaniżenie. Nie oznacza to, że badacz musi ręcznie poprawiać wynik. Najważniejsze jest, aby wiedzieć, jaki wariant obliczeń stosuje używane oprogramowanie i jasno go opisać, jeśli ma to znaczenie dla analizy.

3. Jak interpretować wartość SD?

Najprostsza interpretacja brzmi: typowa odległość obserwacji od średniej wynosi około s jednostek. Słowo „typowa” nie oznacza jednak, że każda obserwacja znajduje się dokładnie w przedziale średnia ± SD. Odchylenie standardowe nie wyznacza automatycznie granic dla wszystkich wyników.

Jeżeli rozkład jest w przybliżeniu symetryczny i dzwonowy, można korzystać z orientacyjnej reguły:

• około 68% obserwacji znajduje się w przedziale średnia ± 1 SD;
• około 95% obserwacji znajduje się w przedziale średnia ± 2 SD;
• około 99,7% obserwacji znajduje się w przedziale średnia ± 3 SD.

Jest to przybliżenie wynikające z rozkładu normalnego. Nie należy stosować tej reguły mechanicznie dla danych silnie skośnych, ograniczonych od dołu lub od góry, wielomodalnych albo zawierających znaczące wartości odstające. W takich sytuacjach sama średnia i SD mogą nie oddawać dobrze struktury danych.

Warto też pamiętać, że duże SD nie zawsze oznacza problem z pomiarem. Może wskazywać na rzeczywiste różnice między osobami, na przykład różny wiek pacjentów, różne stadia choroby albo odmienne warunki środowiskowe. Z kolei małe SD nie dowodzi wysokiej jakości pomiaru, jeżeli wszyscy badani byli bardzo podobni albo narzędzie pomiarowe miało ograniczony zakres.

4. Przykład pierwszy: ciśnienie skurczowe

Załóżmy, że w grupie 100 dorosłych pacjentów średnie ciśnienie skurczowe wyniosło 132 mmHg, a odchylenie standardowe 18 mmHg. Wynik można zapisać jako:

132 ± 18 mmHg

Poprawna interpretacja jest następująca: w badanej grupie ciśnienie skurczowe miało średnią 132 mmHg, a typowe zróżnicowanie pojedynczych pomiarów wokół tej średniej wynosiło około 18 mmHg.

Jeżeli rozkład byłby w przybliżeniu normalny, orientacyjnie można oczekiwać, że znaczna część wyników mieściła się w zakresie od około 114 do 150 mmHg, czyli w przedziale średnia ± 1 SD. Nie należy jednak stwierdzać, że 68% pacjentów na pewno miało ciśnienie w tym zakresie. Taki wniosek wymaga sprawdzenia rozkładu i odnosi się jedynie do przybliżenia dla rozkładu normalnego.

Niepoprawne byłoby również napisanie, że „średnie ciśnienie wynosiło od 114 do 150 mmHg”. Średnia jest pojedynczą wartością: 132 mmHg. Przedział 114–150 mmHg opisuje przybliżone rozproszenie obserwacji, a nie niepewność oszacowania średniej.

5. Przykład drugi: wynik kwestionariusza depresji

W badaniu studentów zastosowano kwestionariusz, którego wynik może przyjmować wartości od 0 do 27 punktów. Otrzymano średnią 8,4 punktu i SD równe 5,1 punktu.

Odchylenie standardowe 5,1 punktu oznacza, że wyniki studentów były dość zróżnicowane wokół średniej 8,4 punktu. Nie można jednak na tej podstawie stwierdzić, że „typowy student uzyskał 5,1 punktu” ani że 5,1 punktu jest błędem pomiaru. SD opisuje zróżnicowanie wyników między osobami, a nie dokładność narzędzia pomiarowego.

W tym przykładzie należy zwrócić uwagę na ograniczony zakres skali. Wynik nie może być mniejszy niż 0 ani większy niż 27. Zatem przedział średnia ± 2 SD wynosiłby około −1,8 do 18,6 punktu, ale wartość ujemna jest niemożliwa. To sygnał, że reguła „średnia ± 2 SD” ma tutaj charakter orientacyjny i nie może być interpretowana bez uwzględnienia granic skali. Warto rozważyć także medianę, kwartyle, wykres rozkładu oraz odsetek osób przekraczających ustalone progi kliniczne.

6. Odchylenie standardowe a błąd standardowy średniej

Jednym z najczęstszych błędów jest zamienne traktowanie odchylenia standardowego i błędu standardowego średniej. Błąd standardowy, oznaczany jako SE lub SEM, opisuje precyzję oszacowania średniej, a nie zróżnicowanie pojedynczych osób (Barde i Barde, 2012; Lee, In i Lee, 2015).

Dla średniej oblicza się go następująco:

SE = s / √n

Jeżeli SD wynosi 18 mmHg, a liczebność próby 100, to:

SE = 18 / √100 = 18 / 10 = 1,8 mmHg

Wartość 1,8 mmHg nie oznacza, że poszczególne pomiary ciśnienia różniły się od średniej przeciętnie o 1,8 mmHg. Oznacza, że średnia z tej próby jest oszacowana z określoną precyzją, a jej zmienność w hipotetycznych powtórzeniach próbkowania byłaby mniejsza niż zmienność indywidualnych pomiarów.

Jeżeli celem jest opis badanej grupy, należy zwykle podać średnią i SD. Jeżeli celem jest przedstawienie niepewności oszacowania średniej, bardziej informacyjny będzie przedział ufności. Sam SEM może być dla czytelnika niejasny, zwłaszcza gdy nie zostanie opisany.

7. SD nie zastępuje przedziału ufności

Odchylenie standardowe i przedział ufności odpowiadają na różne pytania. SD odpowiada na pytanie: jak bardzo różnią się między sobą obserwacje? Przedział ufności odpowiada na pytanie: z jaką precyzją oszacowano parametr populacji?

Wyniki dwóch badań mogą mieć tę samą średnią i takie samo SD, ale różnić się liczebnością. W większym badaniu przedział ufności dla średniej będzie zwykle węższy, ponieważ średnia jest oszacowana precyzyjniej. SD może pozostać podobne, gdyż zróżnicowanie osób nie musi zmieniać się wraz ze wzrostem liczby badanych.

W raportach naukowych warto więc rozdzielać trzy kwestie: poziom wyniku, zmienność obserwacji oraz precyzję oszacowania. Takie rozróżnienie zwiększa przejrzystość opisu i jest zgodne z dobrymi standardami raportowania badań (Appelbaum i in., 2018; Ou i in., 2020).

8. Kiedy SD może być niewystarczające?

Odchylenie standardowe jest szczególnie użyteczne, gdy zmienna ilościowa ma rozkład w przybliżeniu symetryczny, a średnia jest sensowną miarą centrum. Gdy rozkład jest silnie skośny, zawiera wartości odstające albo ma wyraźne ograniczenia, opis oparty wyłącznie na średniej i SD może być mylący.

W takich sytuacjach warto rozważyć medianę i rozstęp międzykwartylowy. Można również przedstawić kwartyle, percentyle, wykres pudełkowy lub histogram. Nie oznacza to, że SD jest „złą” miarą. Oznacza jedynie, że wybór statystyki opisowej powinien wynikać z właściwości danych, a nie z automatycznego ustawienia programu.

W badaniach medycznych szczególnej uwagi wymagają zmienne takie jak czas hospitalizacji, koszty leczenia, stężenia biomarkerów czy liczba wizyt. Często mają one rozkłady prawostronnie skośne. Średnia i SD mogą być wtedy podane dodatkowo, ale nie powinny być jedynym sposobem prezentacji danych.

9. Najczęstsze błędy

Błąd 1: traktowanie SD jako błędu pomiaru

SD opisuje zróżnicowanie obserwacji w zbiorze. Nie jest automatycznie błędem aparatury, błędem ankiety ani niepewnością pojedynczego pomiaru. Do oceny rzetelności lub precyzji pomiaru potrzebne są inne informacje, na przykład błąd standardowy pomiaru, zgodność między oceniającymi lub powtarzalność.

Błąd 2: utożsamianie SD z SEM

SEM jest zwykle mniejszy od SD, ponieważ dzieli SD przez pierwiastek z liczebności. Zastępowanie SD przez SEM może sprawić, że dane będą wyglądały na mniej zróżnicowane, niż są w rzeczywistości. W tabeli lub na wykresie trzeba zawsze wyraźnie zaznaczyć, czy słupki błędu przedstawiają SD, SEM czy przedział ufności (Barde i Barde, 2012; Lee, In i Lee, 2015).

Błąd 3: automatyczne stosowanie reguły 68–95–99,7

Reguła ta dotyczy w przybliżeniu rozkładu normalnego. Nie jest uniwersalnym prawem dla każdej zmiennej. Przy skośności lub wartościach odstających zakres średnia ± 2 SD może słabo opisywać większość danych.

Błąd 4: interpretowanie dużego SD jako dowodu złej jakości badania

Duża zmienność może być biologicznie lub społecznie uzasadniona. W grupie pacjentów o różnym wieku i różnym nasileniu choroby większe SD może odzwierciedlać rzeczywiste heterogeniczne cechy badanej populacji.

Błąd 5: porównywanie samych wartości SD bez uwzględnienia skali

SD równe 10 może być duże dla skali od 0 do 20, lecz małe dla pomiaru, którego typowy zakres wynosi od 0 do 1000. Przy porównywaniu zmienności można użyć współczynnika zmienności, ale tylko wtedy, gdy skala ma sensowną wartość zera i ilorazowe interpretacje są uzasadnione.

Błąd 6: podawanie „średnia ± SD” bez określenia, czego dotyczy znak ±

Zapis „72 ± 8” bez jednostki i bez wskazania, czy chodzi o SD, SEM czy przedział ufności, jest niepełny. Standardy raportowania zalecają przedstawianie wyników w sposób jednoznaczny, tak aby czytelnik mógł odtworzyć sens analizy.

10. Przykład praktyczny: dwa oddziały szpitalne

W badaniu porównano czas oczekiwania na konsultację ratownika medycznego w dwóch oddziałach. W oddziale A średni czas wyniósł 42 minuty, SD = 6 minut, a w oddziale B średni czas wyniósł 42 minuty, SD = 19 minut.

Średnia jest identyczna, lecz oddział B charakteryzuje się znacznie większym zróżnicowaniem. W praktyce może to oznaczać, że część pacjentów jest obsługiwana szybko, a część czeka bardzo długo. Z punktu widzenia organizacji pracy sama średnia nie wystarcza. Należy sprawdzić rozkład, medianę, kwartyle oraz skrajne czasy oczekiwania.

Jeżeli w oddziale B występowały pojedyncze bardzo długie oczekiwania, SD mogło zostać przez nie silnie zwiększone. Nie należy automatycznie usuwać tych wartości. Najpierw trzeba ustalić, czy są błędami wprowadzania danych, czy prawdziwymi obserwacjami. Jeżeli są prawdziwe, mogą być właśnie najważniejszą informacją organizacyjną.

W raporcie można napisać: „Średni czas oczekiwania wynosił 42 minuty w obu oddziałach, lecz zmienność była większa w oddziale B (SD = 19 min) niż w oddziale A (SD = 6 min). Ze względu na możliwą skośność rozkładu dodatkowo przedstawiono medianę i kwartyle”. Taki opis jest ostrożny, informacyjny i nie wyciąga wniosków przyczynowych, których sam opis nie uzasadnia.

11. Jak poprawnie raportować odchylenie standardowe?

• podaj jednostkę pomiaru;
• określ, czy SD dotyczy próby, czy całej populacji;
• zapisz, czy wynik przedstawiasz jako średnią ± SD;
• nie używaj SEM jako zamiennika SD przy opisie zróżnicowania osób;
• oceń kształt rozkładu i wpływ wartości odstających;
• dla rozkładów skośnych rozważ medianę i rozstęp międzykwartylowy;
• przy prezentacji wykresów podpisz rodzaj słupków błędu;
• nie interpretuj SD jako miary istotności statystycznej ani jako prawdopodobieństwa;
• oddziel opis zmienności od wnioskowania o różnicach między grupami.

Co warto zapamiętać?

1. Odchylenie standardowe opisuje rozproszenie obserwacji wokół średniej.
2. Ma tę samą jednostkę co analizowana zmienna.
3. SD nie jest tym samym co SEM. SD dotyczy zmienności danych, a SEM precyzji średniej.
4. Reguła średnia ± 1, 2 lub 3 SD wymaga ostrożności i najlepiej sprawdza się przy rozkładzie zbliżonym do normalnego.
5. Duże SD nie musi oznaczać błędu. Może odzwierciedlać rzeczywiste różnice między badanymi osobami.
6. Wartość SD należy interpretować razem ze średnią, rozkładem, jednostką i zakresem skali.
7. W raportach naukowych trzeba jednoznacznie opisywać, co oznacza zapis „±”.

Odchylenie standardowe jest proste do obliczenia, ale jego właściwa interpretacja wymaga myślenia o danych, a nie tylko odczytania wyniku z programu statystycznego. W kolejnych lekcjach modułu statystyki opisowej warto łączyć SD z wykresami, miarami położenia i oceną kształtu rozkładu. Dopiero taki zestaw pozwala rzetelnie odpowiedzieć na pytanie, jak bardzo badane obserwacje różnią się między sobą.

Źródła i dalsza lektura

1. Betty R. Kirkwood, Jonathan A. C. Sterne (2003). Essential Medical Statistics. 2nd edition. Blackwell Science. Informacja wydawcy / źródło.
2. Mohini P. Barde, Prajakt Barde (2012). What to use to express the variability of data: Standard deviation or standard error of mean?. Perspectives in Clinical Research, 3(3), 113-116. DOI: 10.4103/2229-3485.100662.
3. Dong Kyu Lee, Junyoung In, Sangseok Lee (2015). Standard deviation and standard error of the mean. Korean Journal of Anesthesiology, 68(3), 220-223. DOI: 10.4097/kjae.2015.68.3.220.
4. Fang-Shu Ou, Jennifer G. Le-Rademacher, Karla V. Ballman, Alex A. Adjei, Sumithra J. Mandrekar (2020). Guidelines for Statistical Reporting in Medical Journals. Journal of Thoracic Oncology, 15(11), 1727-1732. DOI: 10.1016/j.jtho.2020.08.019.
5. Mark Appelbaum, Harris Cooper, Rex B. Kline, Evan Mayo-Wilson, Arthur M. Nezu, Stephen M. Rao (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3-25. DOI: 10.1037/amp0000191.