效率与计算误差

在实际分析中遇到了标准差较大的情况，往往我们的第一反应是样本量较小的问题，第二则是估计的不准确（估计值在重复抽样中会有较大的波动），第三则是数据本身的方差较小，即总体标准差较小，第四则是模型拟合的问题（涉及忽略重要的自变量，模型形式出错，变量异方差性和自相关性等，回归模型中的多重共线性问题）。

另外在实际分析中还会有另一种情况，这涉及到了效率（efficiency）与稳健性（robustness）之间的权衡。

1.效率：在所有无偏估计量中，方差最小的统计量。

高效率：在样本量相同的情况下，更精确的估计结果。

2.稳健性：当模型假设被轻微违反时，估计量保持无偏，强调对模型假定出错、异常值存在、删失存在时的抵抗能力。

在样本量不变的情况下，效率和稳健性总是互相平衡的，这有些类似方差和偏差的权衡。