Tyypin 2 virheet | Tilastot

Tyypin 2 tai tyypin II virhe syntyy, kun tutkimuksessa päädytään siihen, että vaikutusta ei ole, vaikka sitä onkin. Tutkijat pitävät kiinni nollahypoteesista, vaikka se itse asiassa on väärä.

Ilmaistuna beetana

Tyypin 2 virheen todennäköisyys ilmoitetaan tilastollisessa hypoteesin testauksessa (beta). Se tarkoittaa sitä, että voidaan virheellisesti todeta, että ryhmien tai hoitojen välillä ei ole eroa tai vaikutusta, vaikka todellisuudessa on. Tutkijat asettavat sen yleensä 20 prosenttiin tai 0,20:een, mikä tarkoittaa, että 20 prosentin mahdollisuus tällaisen virheen tekemiseen pitkällä aikavälillä hyväksytään. Jos väärällä negatiivisella tuloksella olisi kuitenkin vakavia seurauksia, tutkijat voivat halutessaan alentaa sen 10 prosenttiin tai jopa 5 prosenttiin. Beetatason määrittämisen pitäisi olla tietoon perustuva päätös, mutta usein tutkijat turvautuvat 20 prosentin heuristiikkaan.

Huomaa, että nämä prosenttiluvut koskevat pitkää aikaväliä. Kun tehdään sata samankaltaista tutkimusta, 20 prosenttia niistä saattaa antaa väärän negatiivisen tuloksen ja 80 prosenttia ei. Yksittäisessä tutkimuksessa on joko tyypin 2 virhe tai sitten ei.

Tyypin 2 virheiden vähentäminen

Koska tyypin 2 virheillä voi olla haitallisia vaikutuksia, tutkijoiden on pyrittävä kaikin tavoin vähentämään niitä. Tavoitteena on lisätä testin tilastollista tehoa todellisen vaikutuksen tai eron havaitsemiseksi. Toisin sanoen tiedemiehet pyrkivät vähentämään mahdollisuutta, että he voivat erehdyksessä hyväksyä tai säilyttää nollahypoteesin, joka on todellisuudessa väärä.

Huomaa, että tyypin 1 ja tyypin 2 virheiden välillä on luontainen kompromissi. Tyypin 2 virheen todennäköisyys kasvaa, kun tyypin 1 virheen todennäköisyys pienenee, ja päinvastoin. Näiden kahden välisen tasapainon löytäminen edellyttää huolellista arviointia erityisestä tutkimusasetelmasta, riskien vähentämisestä, mahdollisista tuloksista ja käytettävissä olevista resursseista.

Tutkijat käyttävät erilaisia taktiikoita vähentääkseen tyypin 2 virheiden todennäköisyyttä. Niihin voi kuulua tilastollisen voiman lisääminen lisäämällä otoskokoa, parantamalla tutkimussuunnitelmaa ja -menetelmiä, käyttämällä herkempiä tulosmittareita ja ottamalla huomioon muita tilastollisia menetelmiä. Lisätietoja tilastollisesta tehosta saat klikkaamalla tästä.

Bower, D. (2019), Medical Statistics from Scratch: An Introduction for Health Professionals (4. painos), Wiley.

Akobeng A. K. (2016). Tyypin I ja II virheiden, tilastollisen tehon ja otoskoon ymmärtäminen. Acta paediatrica (Oslo, Norja : 1992), 105(6), 605-609. https://doi.org/10.1111/apa.13384.