论文研究样本有偏差

能加入。标准差评价的是一样本的分散程度，是一个比较客观的指标。理论上说，标准误评价的是抽样可靠性，但其实能在多大程度上做到这一点，统计学界至今缺乏完全统一的看法。在99％的论文中，读者需要知道的是：样本的分散程度，所以，除非你有理由特别描述抽样可靠性而非样本特征，就应该用标准差。

除非样本对研究总体具有代表性，否则一项统计研究就是无效的。不恰当的抽样方法会很容易得到一个有偏样本，从而导致研究结果无效。很多方式都会导致有偏样本产生，但是有两种尤为常见。第一种是选择性偏差（或选择效应）。第二种是参与性偏差。当人们主动选择成为研究过程的一部分而参与进来，即当参与者作为研究的自愿者时，这个问题就会出现。

通常情况下，在论文中报告的样本量可能会偏少，这是因为论文作者在评估数据时可能没有使用全部样本或者没有充分利用可用的数据量。此外，在实验室实验中，数据可能会因为测量准确度、仪器效率等原因而不能采集全部样本。另外，由于实验流程和设备的关系，有时也会存在数据采集暂停的情况，从而导致样本量的减少。

1、在微观计量经济学中最常见的问题之一是样本选择问题。在一般的统计或计量经济学研究中,用于估计所研究系统的参数的数据依赖于从总体中抽取的样本。

2、如果所抽取的样本是随机的,即以类似“抽签”的方式获得的样本,根据这些样本数据所估计的各种参数能够准确反映总体的相关特性,理论上,就是所估计的参数是无偏的和一致的。而且随着抽取的样本越大,其对事件的总体特征分布的描述越是会准确。

3、但是,如果所抽取的样本不是随机的,那么无论其选择的样本容量有多大,则根据这些样本数据所估计的参数就不能准确反映所研究的总体性质的分布。但是,在不同的事件的研究中,大多数抽样都不是随机的,因为事件的总体总是会相当庞大,甚至是没有边界的。因此,多数的抽样只能是在研究者所选择的界定范围和规则内进行,这就可能出现抽样选择的偏差，或是未把相关联的变量放入抽样,或是把不相干的变量放入抽样中。