Type 2-fejl | Statistik

En type 2- eller type II-fejl opstår, når artiklen konkluderer, at der ikke er nogen effekt, når der faktisk er det. Forskerne holder fast i nulhypotesen, selv om den faktisk er falsk.

Udtrykt i Beta

Sandsynligheden for at begå en type 2-fejl angives i statistisk hypotesetestning som (beta). Det står for muligheden for fejlagtigt at fastslå, at der ikke er nogen forskel eller ingen effekt mellem grupper eller behandlinger, når der faktisk er det. Forskere sætter den normalt til 20 % eller 0,20, hvilket betyder, at man er villig til at acceptere en 20 % chance for at begå en sådan fejl i det lange løb. Men hvis et falsk negativt resultat ville få alvorlige konsekvenser, kan forskerne vælge at reducere det til 10 % eller endda 5 %. Beslutningen om dit betaniveau bør være en informeret beslutning, men ofte falder forskere tilbage på 20 %-heuristikken.

Bemærk, at disse procentsatser gælder på lang sigt. Når man laver 100 lignende undersøgelser, vil 20 % af dem måske vise et falsk negativt resultat, og 80 % af dem ikke. En enkelt undersøgelse har simpelthen en type 2-fejl, eller også har den ikke.

Nedbringelse af type 2-fejl

På grund af de potentielt skadelige konsekvenser af type 2-fejl skal forskere gøre alt for at reducere dem. Målet er at øge en tests statistiske styrke til at opdage en sand effekt eller forskel. Med andre ord forsøger forskere at mindske muligheden for, at de fejlagtigt accepterer/bevarer en nulhypotese, som faktisk er forkert.

Bemærk, at der er en iboende afvejning mellem type 1- og type 2-fejl. Sandsynligheden for en type 2-fejl øges, når sandsynligheden for en type 1-fejl mindskes, og omvendt. Det kræver en omhyggelig vurdering af den specifikke forskningssituation, risikominimering, potentielle resultater og tilgængelige ressourcer at finde den rette balance mellem de to.

Forskere bruger en række forskellige taktikker for at reducere sandsynligheden for type 2-fejl. De kan omfatte at øge den statistiske styrke ved at øge stikprøvestørrelsen, forbedre undersøgelsesdesignet og metodologien, bruge mere følsomme resultatmål og tage andre statistiske metoder i betragtning. Klik her for at få mere at vide om statistisk styrke.

Bower, D. (2019), Medicinsk statistik fra bunden: En introduktion for sundhedspersonale (4. udgave), Wiley

Akobeng A. K. (2016). Forståelse af type I- og type II-fejl, statistisk styrke og stikprøvestørrelse. Acta paediatrica (Oslo, Norge : 1992), 105(6), 605-609. https://doi.org/10.1111/apa.13384