コンテンツ
統計では、線形回帰と呼ばれる方法を使用して、実験データから線形数学モデルのパラメーターを決定できます。この方法では、実験データを使用して、y = mx + b（線の標準方程式）の形式の方程式のパラメーターを推定します。ただし、ほとんどの統計モデルと同様に、モデルはデータと完全には一致しません。したがって、勾配などの一部のパラメーターには、いくつかのエラー（または不確実性）が関連付けられています。標準誤差は、この不確実性を測定する1つの方法であり、いくつかの短い手順で達成できます。
モデルの二乗残差（SSR）を見つけます。これは、個々のデータポイントとモデルが予測するデータポイントとの差の2乗の合計です。たとえば、データポイントが2.7、5.9、9.4で、モデルから予測されたデータポイントが3、6、9であった場合、各ポイントの差の2乗を取ると0.09になります（3を2.7で減算し、結果の数値の2乗）、それぞれ0.01と0.16。これらの数値を合計すると、0.26になります。
モデルのSSRをデータポイント観測値の数から2を引いた値で割ります。この例では、3つの観測値があり、これから2を引くと1つになります。したがって、0.26のSSRを1で割ると、0.26になります。この結果をAと呼びます。
結果Aの平方根を取得します。上記の例では、0.26の平方根を取得すると0.51になります。
独立変数の説明付き平方和（ESS）を決定します。たとえば、データポイントが1、2、および3秒の間隔で測定された場合、各数値を数値の平均で減算し、それを2乗して、その後の数値を合計します。たとえば、指定された数値の平均は2であるため、各数値を2で減算し、2乗すると1、0、1になります。これらの数値の合計を取ると2になります。
ESSの平方根を見つけます。この例では、2の平方根を取ると1.41になります。この結果をBと呼びます。
結果Bを結果Aで割ります。例をまとめると、0.51を1.41で割ると0.36になります。これは、勾配の標準誤差です。