观测单位是一次记录所对应的研究对象，独立性则是不同观测之间的概率关系。二者分别回答数据的组织方式与随机变化方式。例如，60 人各测量两次可形成 120 行记录，同一个人的前后结果却通常相关；只有在不同的人之间可视为独立时，才有 60 个独立配对单位。增加记录行数未必增加同等数量的独立信息。
独立性的概率含义
事件独立的条件为 。联合概率能够分解，表示其中一个事件所提供的信息不改变另一个事件的概率。对于随机变量，这种分解必须适用于由其取值定义的相应事件；只验证某两个事件满足等式，尚不足以证明整个联合分布独立。零相关也只描述线性共同变化，不能排除其他依赖关系。相关与独立的区别，可从 联合分布 的反例中理解。
实际研究很少能够直接知道联合分布，独立性因而主要依据研究设计与数据生成机制判断。学校内学生可能共享教学环境，家庭成员可能共享生活条件，同一对象的重复测量还保留其自身特征。时间序列也可能使相邻时点相互关联。这些机制即使没有在观测值中形成显眼规律，仍会影响抽样分布。
依赖关系如何影响推断
统计量的方差不仅取决于各观测的方差，还取决于它们共同变化的程度。对于常见的正相关结构，用独立样本公式计算往往低估标准误。因此，标准误 的大小需要结合真正的抽样单位解释，不能仅从表格总行数判断。
配对、聚类与时间依赖并不使数据失去分析价值，而是要求概率模型保留这些结构。前后测量的差值利用了配对信息，聚类方法处理群组内的共同变化，重抽样也需选择与依赖机制相符的单位。配对分析 与 重抽样单位 分别说明这两种处理方式。
观测单位的选择最终仍由研究问题决定。研究每次访问，与研究每个人在一段时期内的结果，可能使用同一批记录，却对应不同的分母和估计目标。研究设计 讨论了这种对象、测量与目标之间的关系。
返回 概念索引。