Typ 2-fel | Statistik

Ett fel av typ 2 eller typ II uppstår när uppsatsen drar slutsatsen att det inte finns någon effekt när det faktiskt finns det. Forskarna håller fast vid nollhypotesen trots att den i själva verket är falsk.

Uttryckt i Beta

Sannolikheten för att begå ett typ 2-fel anges i statistisk hypotesprövning som (beta). Det står för möjligheten att felaktigt fastställa att det inte finns någon skillnad eller ingen påverkan mellan grupper eller behandlingar när det i själva verket finns det. Den sätts i allmänhet av forskare till 20% eller 0,20, vilket innebär att man är beredd att acceptera en 20%-ig risk att göra ett sådant fel på lång sikt. Men om ett falskt negativt resultat skulle få allvarliga konsekvenser kan forskarna välja att sänka den till 10% eller till och med 5%. Att bestämma sin betanivå bör vara ett välgrundat beslut, men ofta faller forskare tillbaka på 20%-heuristiken.

Observera att dessa procentsatser gäller på lång sikt. Om man gör hundra liknande studier kan 20 procent av dem visa ett falskt negativt resultat, medan 80 procent av dem inte gör det. En enskild studie har helt enkelt ett fel av typ 2, eller så har den inte det.

Minskning av typ 2-fel

På grund av de potentiellt skadliga återverkningarna av typ 2-fel måste forskarna göra allt för att minska dem. Syftet är att öka ett tests statistiska styrka för att upptäcka en sann effekt eller skillnad. Med andra ord strävar forskare efter att minska risken för att de felaktigt accepterar/behåller en nollhypotes som egentligen är felaktig.

Observera att det finns en inneboende avvägning mellan typ 1- och typ 2-fel. Sannolikheten för ett fel av typ 2 ökar när sannolikheten för ett fel av typ 1 minskar, och vice versa. Det krävs en noggrann bedömning av den specifika forskningsmiljön, riskminimering, potentiella resultat och tillgängliga resurser för att hitta rätt balans mellan de två.

Forskare använder en rad olika metoder för att minska sannolikheten för typ 2-fel. Det kan handla om att öka den statistiska styrkan genom att öka urvalsstorleken, förbättra studiedesign och metodik, använda känsligare utfallsmått och ta hänsyn till andra statistiska metoder. Klicka här om du vill veta mer om statistisk styrka.

Bower, D. (2019), Medicinsk statistik från grunden: En introduktion för vårdpersonal (4:e upplagan), Wiley

Akobeng A. K. (2016). Förstå typ I- och typ II-fel, statistisk styrka och urvalsstorlek. Acta paediatrica (Oslo, Norge : 1992), 105(6), 605-609. https://doi.org/10.1111/apa.13384