第五节 假设检验中的两类错误及注意事项
假设检验时,根据检验结果作出的判断,即拒绝H0或不拒绝H0,并不是百分之百的正确,可能发生两种错误。下面以样本均数与总体均数比较的t检验为例说明。①拒绝了实际上成立的H0,即样本原本来自μ=μ0的总体,由于抽样的偶然性得到了较大的t值,因t≥t0.05(v)按α=0.05检验水准拒绝了H0,而接受了H1(μ≠μ0),这类错误为第一类错误(或I型错误,type Ierror),如图19-3B。理论上犯第一类错误的概率为α,若α=0.05,那末,犯第一类错误的概率为0.05.②不拒绝实际上不成立的H0,即样本原本来自μ≠μ0的总体,H0:μ=μ0实际上是不成立的,但由于抽样的偶然性,得到了较小的t值,因t<t0.05(v),按α=0.05检验水准不拒绝H0,这类错误称为第二类错误(或Ⅱ型错误,type Ⅱ error),如图19-3C。犯第二类错误的概率为β,β值的大小很难确切地估计,但知道在样本含量不变的前提下,α越小,β越大;反之,α越大,β越小。同时减少α和β的唯一方法是增加样本含量,因为增加了样本的含量后,均数的抽样误差小,样本均数的代表性强,也就是样本均数较接近总体均数,因而可使犯第一类错误和第二类错误的概率减少。
图19-3 Ⅰ型错误与Ⅱ型错误的关系
二、假设检验时应注意的事项(一)要有严密的抽样研究设计;样本必须是从同质总体中随机抽取的;要保证组间的均衡性和资料的可比性。
(二)根据现有的资料的性质、设计类型、样本含量大小正确选用检验方法。
(三)对差别有无统计学意义的判断不能绝对化,因检验水准只是人为规定的界限,是相对的。差别有统计学意义时,是指无效假设H0被接受的可能性只有5%或不到5%,甚至不到1%,根据小概率事件一次不可能拒H0,但尚不能排除有5%或1%出现的可能,所以可能产生第一类错误;同样,若不拒绝H0,可能产生第二类错误。
(四)统计学上差别显著与否,与实际意义是有区别的。如应用某药治疗高血压,平均降低舒张压0.5kPa,并得出差别有高度统计学意义的结论。从统计学角度,说明该药有降压作用,但实际上,降低0.5kPa是无临床意义。因此要结合专业作出恰如其分的结论。