Błędy typu 2 | Statystyki

Błąd typu 2 lub błąd typu II występuje, gdy artykuł stwierdza, że nie ma efektu, podczas gdy w rzeczywistości jest. Badacze trzymają się hipotezy zerowej, gdy w rzeczywistości jest ona fałszywa.

Wyrażone w Beta

Prawdopodobieństwo popełnienia błędu typu 2 jest oznaczane w testowaniu hipotez statystycznych jako (beta). Oznacza to możliwość błędnego ustalenia, że nie ma różnicy lub wpływu między grupami lub terapiami, podczas gdy w rzeczywistości istnieje. Jest on zazwyczaj ustalany przez badaczy na poziomie 20% lub 0,20, co oznacza gotowość do zaakceptowania 20% szansy na popełnienie takiego błędu w dłuższej perspektywie. Jeśli jednak fałszywie ujemny wynik miałby poważne reperkusje, badacze mogą zdecydować się na zmniejszenie go do 10% lub nawet 5%. Wybór poziomu beta powinien być świadomą decyzją, jednak często badacze polegają na heurystyce 20%.

Zwróć uwagę, że te wartości procentowe dotyczą długiego okresu. Przeprowadzając sto podobnych badań, 20% z nich może wykazać wynik fałszywie ujemny, a 80% nie. W pojedynczym badaniu występuje po prostu błąd typu 2 lub nie.

Zmniejszenie liczby błędów typu 2

Ze względu na potencjalnie szkodliwe konsekwencje błędów typu 2, badacze muszą dołożyć wszelkich starań, aby je ograniczyć. Celem jest zwiększenie mocy statystycznej testu w celu wykrycia prawdziwego efektu lub różnicy. Innymi słowy, naukowcy dążą do zmniejszenia prawdopodobieństwa błędnego przyjęcia/utrzymania hipotezy zerowej, która w rzeczywistości jest błędna.

Pamiętaj, że istnieje nieodłączny kompromis między błędami typu 1 i typu 2. Prawdopodobieństwo wystąpienia błędu typu 2 wzrasta, gdy prawdopodobieństwo wystąpienia błędu typu 3 wzrasta. błąd typu 1 i odwrotnie. Osiągnięcie właściwej równowagi między tymi dwoma aspektami wymaga starannej oceny konkretnego środowiska badawczego, ograniczenia ryzyka, potencjalnych wyników i dostępnych zasobów.

Badacze stosują różne taktyki, aby zmniejszyć prawdopodobieństwo wystąpienia błędów typu 2. Mogą one obejmować zwiększenie mocy statystycznej poprzez zwiększenie wielkości próby, ulepszenie projektu badania i metodologii, wykorzystanie bardziej czułych miar wyników oraz uwzględnienie innych metod statystycznych. Aby dowiedzieć się więcej o mocy statystycznej, kliknij tutaj.

Bower, D. (2019), Statystyka medyczna od podstaw: Wprowadzenie dla pracowników służby zdrowia (wydanie 4), Wiley

Akobeng A. K. (2016). Zrozumienie błędów typu I i II, mocy statystycznej i wielkości próby. Acta paediatrica (Oslo, Norwegia): 1992), 105(6), 605-609. https://doi.org/10.1111/apa.13384