Második típusú hiba | Statisztika

A 2-es típusú hiba akkor fordul elő, amikor a tanulmány azt a következtetést vonja le, hogy nincs hatás, pedig valójában van. A kutatók ragaszkodnak a nullhipotézishez, pedig az valójában hamis.

Béta verzió

A statisztikai hipotézisvizsgálatban a 2-es típusú hiba elkövetésének valószínűségét (béta) jelzi. Azt mutatja meg, mekkora az esélye annak, hogy helytelenül állapítjuk meg, hogy nincs különbség vagy hatás a csoportok vagy kezelések között, miközben valójában van. Ezt a kutatók általában 20%-ra vagy 0,20-ra állítják be, ami azt jelzi, hogy hajlandóak elfogadni egy 20%-os esélyt egy ilyen hiba elkövetésére hosszú távon. Ha azonban egy tévesen negatív eredménynek súlyos következményei lennének, a kutatók dönthetnek úgy, hogy ezt 10%-ra vagy akár 5%-ra csökkentik. A béta-szint meghatározása tájékozott döntés kell, hogy legyen, a kutatók azonban gyakran visszatérnek a 20%-os heurisztikához.

Ezek a százalékok a hosszú távra vonatkoznak. Számos hasonló tanulmány esetén a 20%-uk téves negatív eredményt mutathat, 80%-uk pedig nem. Egyetlen tanulmányban egyszerűen csak 2-es típusú hiba lép fel, vagy nem.

Csökkentsük a 2-es típusú hibákat

A 2-es típusú hibák potenciálisan káros következményei miatt a kutatóknak minden erőfeszítést meg kell tenniük a csökkentésükre. Célunk, hogy növeljük a teszt statisztikai erejét a valós hatás vagy különbség kimutatására. Másképp fogalmazva, a tudósok arra törekednek, hogy csökkentsék annak lehetőségét, hogy tévesen elfogadnak/megtartanak egy olyan nullhipotézist, amely valójában téves.

Fontos megjegyezni, hogy a 1-es típusú és a 2-es típusú hibák között van egy alapvető kompromisszum. A 2-es típusú hiba valószínűsége nő, ha az 1-es típusú hiba valószínűsége csökken, és fordítva. A megfelelő egyensúly megtalálásához alaposan fel kell mérned az adott kutatási környezetet, a kockázatcsökkentést, a lehetséges eredményeket és a rendelkezésre álló erőforrásokat.

Kutatók többféle módszerrel csökkentik a 2-es típusú hibák esélyét. Növelhetjük a statisztikai erőt a mintanagyság növelésével, a tanulmányterv és módszertan javításával, érzékenyebb eredménymérések alkalmazásával, és más statisztikai módszerek figyelembevételével. Ha többet szeretne megtudni a statisztikai erőről, kattintson ide.

Bower, D. (2019), Orvosi statisztika az alapoktól: Bevezetés egészségügyi szakemberek számára (4. kiadás), Wiley

Akobeng A. K. (2016). Az I. és II. típusú hibák, a statisztikai erő és a mintanagyság megértése. Acta paediatrica (Oslo, Norway : 1992), 105(6), 605–609. https://doi.org/10.1111/apa.13384