유형 2 오류 | 통계

유형 2 또는 유형 II 오류는 실제로 효과가 있는데도 논문에서 효과가 없다고 결론을 내릴 때 발생합니다. 연구원들은 null-가설 실제로는 거짓인 경우.

베타 버전으로 표현

통계적 가설 테스트에서 유형 2 오류를 범할 가능성은 (베타)로 표시됩니다. 실제로는 그룹이나 치료법 간에 차이가 없거나 영향이 없는데도 잘못 판단할 가능성을 의미합니다. 일반적으로 연구자들은 20% 또는 0.20으로 설정하는데, 이는 장기적으로 이러한 오류가 발생할 확률을 20%로 받아들이겠다는 의사를 의미합니다. 그러나 위음성 결과가 심각한 영향을 미칠 수 있는 경우 연구자는 이를 10% 또는 5%로 줄일 수 있습니다. 베타 레벨을 결정할 때는 충분한 정보를 바탕으로 결정해야 하지만, 연구자들은 종종 20%의 휴리스틱에 의존하는 경우가 많습니다.

이 비율은 장기적인 관점에서 본 수치입니다. 유사한 연구를 100번 수행하면 20%는 위음성 결과가 나오고 80%는 그렇지 않을 수 있습니다. 하나의 연구에는 단순히 유형 2 오류가 있거나 그렇지 않은 경우가 있습니다.

유형 2 오류 감소

유형 2 오류는 잠재적으로 해로운 영향을 미칠 수 있으므로 연구자는 오류를 줄이기 위해 모든 노력을 기울여야 합니다. 테스트의 통계적 힘을 높여 실제 효과나 차이를 감지하는 것이 목표입니다. 즉, 과학자들은 실제로는 잘못된 가설을 잘못 받아들이거나 유지할 가능성을 줄이는 것을 목표로 합니다.

유형 1 오류와 유형 2 오류 사이에는 본질적인 상충 관계가 있다는 점에 유의하세요. 유형 1 오류의 가능성이 감소하면 유형 2 오류의 가능성이 증가하며, 그 반대의 경우도 마찬가지입니다. 특정 연구 환경, 위험 완화, 잠재적 결과 및 사용 가능한 리소스를 신중하게 평가하여 둘 사이의 적절한 균형을 유지해야 합니다.

연구자들은 유형 2 오류의 가능성을 줄이기 위해 다양한 전술을 사용합니다. 여기에는 표본 크기를 늘리고, 연구 설계 및 방법론을 개선하고, 더 민감한 결과 측정을 사용하고, 다른 통계적 방법을 고려하여 통계적 힘을 높이는 것이 포함될 수 있습니다. 통계적 검정력에 대해 자세히 알아보려면 여기를 클릭하세요.

바우어, D. (2019), 처음부터 시작하는 의료 통계: 건강 전문가를 위한 입문(4판), Wiley

아코벵 A. K. (2016). 유형 I 및 유형 II 오류, 통계적 검정력 및 표본 크기 이해하기. 액타 소아과(노르웨이 오슬로, 노르웨이 : 1992), 105(6), 605-609. https://doi.org/10.1111/apa.13384