Type I og Type II feil er sentrale i hypotesetesting, et tema som kan være utfordrende å forstå i begynnelsen. Når vi gjennomfører en hypotesetest, ønsker vi å avgjøre om vi skal beholde nullhypotesen vår eller forkaste den til fordel for alternativhypotesen. Men har vi alltid riktig informasjon når vi tar denne beslutningen?
Hva tester vi for i hypotesetesting?
En hypotesetest vurderer om dataene gir grunnlag for å forkaste nullhypotesen. Når vi ikke forkaster den, betyr det at vi ikke har tilstrekkelig statistisk grunnlag for å forkaste den, ikke at den er bevist sann. Forkaster vi nullhypotesen, er resultatet statistisk signifikant ved det valgte signifikansnivået. Det forteller ikke sannsynligheten for at hypotesen er sann eller falsk.
Når oppstår type-1 og type-2 feil?
Type I og Type II feil oppstår når vi tar feil beslutning i forhold til nullhypotesen. Spesielt, Type I feil oppstår når vi forkaster en riktig nullhypotese, mens Type II feil oppstår når vi ikke forkaster en falsk nullhypotese. Dette skjer på grunn av tilfeldigheter i observasjonene i datasettet.
Type-1 feil
Type I-feil, også kalt forkastningsfeil, oppstår når vi forkaster en sann nullhypotese. Signifikansnivået angir testens risiko for denne feilen når nullhypotesen er sann og forutsetningene er oppfylt. Med 5 % signifikansnivå vil en slik test feilaktig forkaste en sann nullhypotese i omtrent 5 av 100 gjentatte undersøkelser. Et lavere signifikansnivå reduserer denne risikoen, men øker vanligvis risikoen for type 2-feil når resten holdes likt.
Type-2 feil
Type II feil, også kalt godtakningsfeil, oppstår når vi ikke forkaster en falsk nullhypotese. Hvis alternativhypotesen ligger svært nær nullhypotesen, vil det være vanskelig å bevise at det er en reell forskjell til stede, noe som resulterer i en test med lav styrke. Omvendt, hvis alternativhypotesen og nullhypotesen er svært forskjellige, vil testen ha høy styrke. Styrken defineres som sannsynligheten for å unngå en Type II feil. Det er viktig å balansere styrken av en test med risikoen for Type I feil ved å justere utvalgsstørrelsen og signifikansnivået på en passende måte.
P-verdien er sannsynligheten for å få et testresultat minst like ekstremt som det observerte, dersom nullhypotesen er sann og modellforutsetningene holder. En lav p-verdi viser at resultatet passer dårlig med nullhypotesen. Vi forkaster nullhypotesen når p-verdien er lavere enn eller lik det valgte signifikansnivået.
Les mer om P-verdi ved å trykke på denne linken!
Hypotesetesting er bare et av mange temaer innenfor statistikk. Vil du lære mer om hypotesetesting og statistikk? I Statistikk for økonomer kan du se videoer der vi går gjennom og forklarer de forskjellige temaene. Sjekk ut fagene våre nedenfor!
Gjør du mange parvise tester samtidig, øker sjansen for type 1-feil. Det er en av grunnene til at man bruker variansanalyse. Les mer i artikkelen vår om ulike ANOVA-analyser.
Finn ditt Statistikk for økonomer-fag tilpasset ditt studiested
MET 2920
Statistikk for økonomer
MET2
Statistikk for økonomer – NHH
MET 3431
Statistikk
MET 1190
Statistikk (siviløkonom)
ØKA1026, 3MET130, SMET130, HMET130
Statistikk for økonomer – Høgskolen i Innlandet
BØA115
Statistikk for økonomer – HVL
SFO1100
Statistikk for økonomer – Kristiania
SØK1004, REA1154, AR100219, MET1002
Statistikk for økonomer – NTNU
MET1010
Statistikk for økonomer – USN
HSM103
Statistikk – NLA Høgskolen
ØAMET1100
Statistikk – OsloMet
Hvordan forkastningsområdet plasseres, avhenger av om du bruker en ensidig eller tosidig hypotesetest.
