タイプ I エラーとタイプ II エラー: それらは何であり、統計で何を示しているのか?
心理学の研究をするとき、 推論統計には、タイプ I エラーとタイプ II エラーという 2 つの重要な概念があります。. これらは、帰無仮説と対立仮説を使用して仮説検定を実行しているときに発生します。
この記事では、それらが正確に何であるか、いつコミットするか、どのように計算し、どのように減らすことができるかについて説明します。
- 関連記事：「心理測定学: データを通じて人間の心を研究する"
パラメータ推定方法
推論統計は、サンプルからの情報に基づいて、母集団から結論を引き出したり外挿したりする役割を果たします。 つまり、調査したい特定の変数を母集団レベルで記述することができます。
その中に私たちは見つけます パラメータ推定法の値を (ある程度の精度で) 決定できるメソッドを提供することを目的としています。 私たちが分析したい母集団の無作為標本からの、分析したいパラメータ 勉強する。
パラメータ推定には次の 2 つのタイプがあります。 不明) および間隔 (パラメーターが「低下」する信頼区間が確立されている場合) 見知らぬ人）。 この 2 番目のタイプである間隔による推定の中に、今日分析している概念、つまりタイプ I エラーとタイプ II エラーがあります。
タイプ I エラーとタイプ II エラー: それらは何ですか?
第一種過誤と第二種過誤は、 統計的仮説を立てる前の調査で犯す可能性のあるエラーの種類 (帰無仮説または H0 および対立仮説または H1 など)。 つまり、仮説検定を行っているときです。 しかし、これらの概念を理解するには、まず区間推定での使用を文脈化する必要があります。
これまで見てきたように、間隔による推定は、 我々が提案する帰無仮説 (H0) の推定値からの信頼区間と同様に サンプル。
つまり、目標は 調査したいパラメータが収まる数学的間隔を確立する. これを行うには、一連の手順を実行する必要があります。
1. 仮説の定式化
最初のステップは、帰無仮説と対立仮説を定式化することです。これにより、後で説明するように、タイプ I エラーとタイプ II エラーの概念が導き出されます。
1.1。 帰無仮説 (H0)
帰無仮説 (H0) は、研究者が提案し、暫定的に真として受け入れる仮説です。. 改ざんまたは反論のプロセスによってのみ拒否できます。
通常、行われることは、効果がないこと、または違いがないことを述べることです (たとえば、 「認知療法と行動療法に違いはありません。 不安"）。
1.2. 対立仮説 (H1)
一方、対立仮説 (H1) は、帰無仮説を置き換えるか置き換える候補です。 これは通常、違いや効果があることを示しています (たとえば、「不安の治療において認知療法と行動療法には違いがあります」)。
- あなたは興味があるかもしれません: "Cronbach のアルファ (α): それが何であり、統計でどのように使用されるか"
2. 有意水準またはアルファ (α) の決定
間隔推定の 2 番目のステップは次のとおりです。 有意水準またはアルファ (α) 水準を決定する. これは、プロセスの開始時に研究者によって設定されます。 これは、帰無仮説を棄却するときにコミットすることを受け入れるエラーの最大確率です。
通常、0.001、0.01、または 0.05 などの小さな値を取ります。 言い換えれば、それは私たちが研究者として喜んで行う最大の「上限」または誤差です。 たとえば、有意水準が 0.05 (5%) の場合、信頼水準は 0.95 (95%) で、2 を足すと 1 (100%) になります。
有意水準を確立すると、次の 4 つの状況が発生する可能性があります。 エラー (そして、これがタイプ I エラーとタイプ II エラーの出番です)、または 2 つのタイプの決定が生成されることです。 正しい。 つまり、次の 4 つの可能性があります。
2.1. 正解 (1-α)
これは、帰無仮説 (H0) が真であることを受け入れることで構成されます。. つまり、それが真実であるため、私たちはそれを拒否せず、維持します。 数学的には、次のように計算されます: 1-α (α はタイプ I エラーまたは有意水準)。
2.2. 正解 (1-β)
この場合、私たちも正しい決定を下します。 これは、帰無仮説 (H0) が偽であることを棄却することで構成されます。 検定力ともいう. 次のように計算されます: 1-β (β はタイプ II 誤差)。
23. タイプ I エラー (α)
アルファ (α) とも呼ばれるタイプ I エラー、 これが真である帰無仮説 (H0) を棄却することによってコミットされます。. したがって、タイプ I の誤りを犯す確率は α であり、これは仮説検定のために確立した有意水準です。
たとえば、確立した α が 0.05 の場合、帰無仮説を棄却する際に 5% の確率が間違っていることを受け入れる用意があることを示します。
2.4. タイプ II エラー (β)
タイプ II またはベータ (β) エラーは、帰無仮説 (H0) が偽である場合に受け入れるときに発生します。. つまり、タイプ II の誤りを犯す確率はベータ (β) であり、検定の検出力 (1-β) に依存します。
タイプ II のエラーが発生するリスクを軽減するために、テストに十分な電力が供給されていることを確認することを選択する場合があります。 これを行うには、違いが実際に存在する場合にそれを検出するのに十分な大きさのサンプル サイズを確保する必要があります。