「假设检验八讲」第5讲：第一类错误和第二类错误——统计学的两难选择

在假设检验中，我们总是根据样本来判断总体，但样本有随机性。

这意味着——无论我们多么谨慎，总有可能“判断错”。

统计学家把这种风险分成两类：

第一类错误（Type I Error）：冤枉了无辜的假设。
第二类错误（Type II Error）：放过了其实有问题的假设。

【一】 从法庭的判决说起

假设有一位被告。

• 原假设（H₀）：被告无罪。

• 备择假设（H₁）：被告有罪。

法官根据证据（数据）来判断是否拒绝H₀。如果他错判，就可能出现两种后果：

错误类型	现实比喻	统计定义	概率符号
第一类错误	冤枉无辜	错误地拒绝了H₀	α
第二类错误	放过坏人	错误地接受了H₀	β

法庭不希望冤枉无辜（控制α），但也不希望放过坏人（降低β）。

问题是：两者往往无法同时最小化。

【二】 显著性水平α：我们愿意承担的“冤枉风险”

在统计检验中，显著性水平α就是我们事先愿意接受的第一类错误概率。比如 α=0.05，意味着我们愿意有5%的概率“冤枉”一个原本正确的假设。

这是一种“风险声明”，而不是结果说明。换句话说，我们并不是说“p=0.05时犯了错”，而是在检验前就规定：“我们最多容忍5%的错判风险”。

α值越小，我们越谨慎，但也越可能错过真实效应。例如在医学研究中，α常取0.01甚至0.001；而在市场实验或社会调查中，通常取0.05即可。

【三】 检验功效（Power）：第二类错误的“对立面”

如果第一类错误是“冤枉”，那第二类错误就是“放过”。当原假设实际上是错的，但我们没能拒绝它，就犯了第二类错误。这类错误的概率记作β。

相应地，1−β 就是检验功效（Power）——也就是“在假设确实不成立时，检验能识别出来的能力”。功效越高，说明检验越敏感，越不容易漏掉真实效应。

【四】 样本量与错误概率的平衡

控制错误不是靠祈祷，而是靠设计。影响α、β和功效（Power）的主要因素有：

1️⃣ 显著性水平α：设得越严格，越难拒绝H₀，β就越大。
2️⃣ 样本量n：样本越多，统计量分布越集中，功效就越高。
3️⃣ 效应量Effect Size：真实差异越大，越容易被检出。

你可以理解为一场“侦查游戏”：

• 降低α，就像“证据必须百分百充分”，可能放走真罪犯（β↑）；

• 提高功效，就像“扩大侦查范围”，需要更多样本或更强信号。

📌 所以，显著性水平、样本量和功效之间必须平衡设计。

【五】 现实例子：药物实验中的风险取舍

新药审批是典型的假设检验过程：

• H₀：新药与旧药效果相同（无差异）；
• H₁：新药优于旧药。

如果犯了第一类错误（α），就是批准了无效药；如果犯了第二类错误（β），就是拒绝了有效药。

监管机构通常（应当）选择“宁可放过，不可错判”，因此α取得非常低（例如0.01）。同时，为了不漏掉好药，他们会增加样本量，提高功效（1−β）。

【六】 小结：统计学的取舍之道

统计推断的本质，是在“不确定”中做“尽可能理性的决策”。
我们不可能让α和β都为零，只能在风险与资源之间找到平衡。

一句话总结：

α代表谨慎的底线，β代表敏感的代价。
科学判断的智慧，不在于绝对正确，而在于清楚自己可能错在哪。

---

📚【延伸阅读】

• Neyman, J. & Pearson, E.S. (1933). On the Problem of the Most Efficient Tests of Statistical Hypotheses.

• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences. 

思考题：

如果样本量增加一倍，功效会怎样变化？是否总能减少错误？