系统误差

系统误差（systematic error），在统计学和测量科学中常被称为偏倚（bias），是指在一定测量条件下，由于确定的原因（如仪器、方法、环境、观测者等）导致的、在多次重复测量中保持恒定方向和大小的误差分量。与随机误差不同，系统误差不服从统计规律，亦不随测量次数增加而趋于零，而是使测量结果系统性地偏离真值。系统误差的量化指标是准确度（accuracy），即测量值与真值的一致程度；而随机误差则关联精密度（precision）。在实验科学中，系统误差的存在会严重损害研究结果的内部效度和外部效度，是必须严格控制的误差源。

仪器误差

仪器误差源于测量仪器本身的设计缺陷、制造公差、校准偏差或老化漂移。例如，天平未调零导致的零点漂移，温度计刻度不准确造成的系统性高温或低温读数，分光光度计波长偏移导致的吸光度系统偏差。这类误差通常可通过定期校准、使用标准物质、校正曲线等方法加以修正。

方法误差

方法误差来自实验流程设计的不合理性。例如，化学分析中沉淀不完全、溶解损失、副反应干扰；生物学实验中培养基成分不一致、细胞传代数过高导致的遗传漂变；临床研究中抽样方法偏倚（如仅纳入特定人群）或测量时点选择不当。改进实验方案、加入内标或对照、进行方法验证可降低此类误差。

环境误差

环境因素如温度、湿度、气压、电磁场、光照等在不同测量批次间的不稳定变化，会引入系统误差。例如，电子天平受气流影响，PCR扩增效率受热循环仪温度均匀性影响。环境误差的控制依赖于恒温恒湿实验室、屏蔽措施、环境监测与数据校正。

观测者误差

观测者误差包括个人操作习惯、读数视差、反应时间差异、主观期望偏倚等。在医学影像判读、显微镜计数、行为学评分等主观测量中尤为突出。采用双盲设计、自动化测量设备、标准化操作规程（SOP）、多观测者交叉验证可有效减少这类误差。

识别系统误差需要基于实验设计的逻辑分析和统计检验。常用方法包括：1）使用已知真值的标准样品进行测量，计算回收率或偏差；2）对比不同方法或不同仪器的测量结果；3）进行重复测量，分析测量值的分布是否偏离对称（如残差图呈现趋势）；4）采用 Youden 图或偏倚图（Bland-Altman 图）直观展示系统偏差。在更高层次上，meta 分析中的漏斗图（funnel plot）可辅助检测发表偏倚等系统误差。统计检验如 t 检验、ANOVA 可检验数据是否存在显著的系统偏差。

预防性控制

优先在实验设计阶段采取措施：使用标准操作流程；随机化处理对象分配；盲法实施；仪器定期校准并记录校准曲线；设置阳性对照和阴性对照；采用交叉设计以平衡时间效应；对可能的影响因子进行分层或匹配。

事后修正

当系统误差不可避免时，可采用统计方法进行校正。例如，通过协方差分析（ANCOVA）去除已知混杂变量的影响；利用线性回归建立校正公式；使用标准曲线将原始测量值转换为真值估计；在流行病学中应用标准化率或倾向性评分匹配。此外，灵敏度分析可评估误差对结论稳定性的影响。

任何实际测量中，系统误差和随机误差总是相伴存在。总误差 = 系统误差 + 随机误差。系统误差影响测量的准确性，随机误差影响精密度。在误差传递中，系统误差的合成遵循代数和，而随机误差合成遵循方差和。因此，综合误差管理体系需要同时控制两种误差：通过提高精密度（减少随机误差）和校正偏倚（减少系统误差）来提升测量总质量。例如，在临床化学中，允许总误差目标（TEa）即基于此建立。

物理学

在迈克尔逊-莫雷实验中，仪器的不对称安装曾引入系统误差，掩盖了以太漂移的真实结果；后续改进实验设计才获得正确结论。

生物学与医学

免疫组化实验中一抗孵育时间不一致导致染色强度系统偏差；临床试验中因未充分随机分组而出现的基线差异（如年龄、性别分布不均）成为混杂偏倚。剑桥大学的一项关于阿尔茨海默病的研究曾因采样偏倚（仅纳入门诊患者）而高估了患病率。

化学

重量分析法中沉淀洗涤不彻底导致的系统正误差，或滴定终点判断偏差引起的系统负误差。

流行病学

回忆偏倚（患者对暴露史的回忆不准确）和测量偏倚（不同仪器或判读者之间的系统差异）是常见类型。例如，吸烟与肺癌关联的早期病例-对照研究中，回忆偏倚曾导致效应估计过高。

近年来，科学界对可重复性（reproducibility）危机的关注日益增加。系统误差是导致许多研究结果无法重现的重要原因之一。例如，实验室间因试剂批次差异、仪器型号不同、数据分析脚本错误等引入的系统误差，使得相同实验得出矛盾结论。例如，心理学的“启动效应”（priming effect）研究因实验者期望偏倚和样本偏差而被质疑。为应对这一问题，预注册研究计划、公开数据与代码、多中心协作（如 Reproducibility Project）等策略被大力推广。

尽管系统误差可被部分校正，但过度校正（overcorrection）可能引入新误差。例如，使用有偏的校准常数或不当的统计模型，反而使结果更远离真值。此外，研究者有意或无意地选择性报告有利于假设的发现，属于伦理上的不当行为（如数据伪造、篡改）。因此，科学共同体强调诚信原则、同行评审以及结构化审计来抑制此类人为系统误差。

• Taylor, J. R. (1997). An Introduction to Error Analysis: The Study of Uncertainties in Physical Measurements. University Science Books.
• Bland, J. M., & Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307-310.
• International Organization for Standardization. (1994). ISO 5725-1: Accuracy (trueness and precision) of measurement methods and results — Part 1: General principles and definitions.
• Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
• Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124.
• Baker, M. (2016). 1,500 scientists lift the lid on reproducibility. Nature, 533(7604), 452-454.
• Eisenhart, C. (1968). Expression of the uncertainties of final results. Science, 160(3833), 1201-1204.
• Sackett, D. L. (1979). Bias in analytic research. Journal of Chronic Diseases, 32(1-2), 51-63.