类型 1 错误 | 统计

当论文得出存在影响的结论，而实际上并不存在影响时，就会出现 1 型或 I 型错误。 研究人员拒绝了 零假设 而事实上，这是真的。

用阿尔法表示

α水平由符号α表示，由研究人员设定，以限制第一类错误的概率。 1 类错误的可能性用阿尔法水平表示。 标准阿尔法水平为 0.05，表示错误拒绝零假设的风险为 5%。

通过设置 阿尔法水平 在 0.05 时，研究人员可以坚决拒绝零假设，并得出结论：如果"...... p 值 统计分析结果低于这一临界值。 必须牢记 阿尔法水平 是一个固定的临界值，因此研究人员必须小心谨慎，不要将任何低于该临界值的结果视为实际意义重大或显著。

请注意，0.05 的水平更像是一个启发式的水平，而不是一个特意的水平。 在选择合适的α水平时，必须仔细评估研究环境、潜在的错误影响，以及在防止1型错误和发现实际效果之间所需的平衡。

权衡利弊： 有得有失

那么，为什么不将阿尔法水平设为零，这样就不会出错呢？ 第二类错误 (当使用较低的 阿尔法水平例如 0 或 0.01。 这两种误差之间的权衡强调了在决定正确的α水平时，仔细权衡研究结果的意义和实用价值是多么重要。 要实现正确的平衡，就必须采用全面而复杂的统计推断方法。

减少第 1 类错误

降低I 类错误率至关重要。 大多数研究论文都没有控制误差率。 I 型错误的风险不断攀升，而研究人员却浑然不知。 您可以很容易地发现这一点，甚至可以自己通过反向计算来纠正。 阅读本篇文章，了解如何检测和控制 1 类错误。

鲍尔，D. (2019), Medical Statistics from Scratch： 卫生专业人员入门》（第 4 版），Wiley

Akobeng A. K. (2016). 了解 I 型和 II 型误差、统计能力和样本量。 儿科学》（挪威奥斯陆 ： 1992),105(6), 605-609. https://doi.org/10.1111/apa.13384