الخطأ من النوع الأول والخطأ من النوع الثاني

الخطأ من النوع الأول والخطأ من النوع الثاني هما الطريقتان اللتان يمكن أن يصل بهما اختبار الفرضية إلى استنتاج خاطئ. الخطأ من النوع الأول هو إيجابية كاذبة - رفض فرضية العدم الصحيحة والادعاء بوجود تأثير غير موجود - بينما الخطأ من النوع الثاني هو سلبية كاذبة - الفشل في اكتشاف تأثير حقيقي. يتحكم مستوى الدلالة في معدل الأخطاء من النوع الأول، ومكمل معدل الخطأ من النوع الثاني هو القوة الإحصائية، لذا فإن نوعي الخطأ يحددان كيفية موازنة تصميم الدراسة بين مخاطر المبالغة في الادعاءات والتقليل منها.

Definition

الخطأ من النوع الأول هو رفض فرضية العدم التي هي في الواقع صحيحة (إيجابية كاذبة)، ويحدث باحتمالية ألفا؛ الخطأ من النوع الثاني هو الفشل في رفض فرضية العدم التي هي في الواقع خاطئة (سلبية كاذبة)، ويحدث باحتمالية بيتا.

Scope

يحدد هذا الموضوع نوعي الخطأ، ويربطهما بمستوى الدلالة (ألفا) ومعدل الخطأ من النوع الثاني (بيتا)، ويوضح المفاضلة بينهما في تصميم الدراسة. إنه منهجية مرجعية لتقييم وتخطيط الدراسات، وليس قاعدة قرار سريرية.

Core questions

• ماذا يعني التوصل إلى استنتاج إيجابي كاذب مقابل استنتاج سلبي كاذب؟
• كيف يرتبط مستوى الدلالة ومعدل الخطأ من النوع الثاني بهذه الأخطاء؟
• لماذا يمكن أن يؤدي خفض معدل خطأ واحد إلى رفع الآخر؟
• كيف يؤثر حجم العينة على فرصة كل خطأ؟

Key concepts

• الخطأ من النوع الأول (إيجابية كاذبة)
• الخطأ من النوع الثاني (سلبية كاذبة)
• مستوى الدلالة (ألفا)
• معدل الخطأ من النوع الثاني (بيتا)
• القوة كـ 1 ناقص بيتا
• المفاضلة بين الأخطاء
• الاختبارات المتعددة والإيجابيات الكاذبة المتضخمة

Mechanisms

في مخطط نيمان-بيرسون، يتم تصميم الاختبار عن طريق تحديد معدل الخطأ من النوع الأول المقبول (ألفا، مستوى الدلالة) مسبقًا، والذي يحدد عدد المرات التي سيتم فيها رفض فرضية العدم الصحيحة بشكل خاطئ. معدل الخطأ من النوع الثاني (بيتا) هو فرصة فقدان تأثير حقيقي بحجم معين، وواحد ناقص بيتا هو قوة الاختبار. بالنسبة لحجم عينة ثابت، يتوازن معدلا الخطأ: جعل الاختبار أكثر صرامة لتقليل الإيجابيات الكاذبة يزيد من فرصة السلبيات الكاذبة، والعكس صحيح. زيادة حجم العينة هي الطريقة الرئيسية لتقليل كليهما في وقت واحد. اختبار العديد من الفرضيات دون تعديل يضخم معدل الخطأ الكلي من النوع الأول، وهذا هو السبب في أن التعددية (multiplicity) هي مصدر قلق متكرر في التصميم.

Clinical relevance

تكمن هذه الأنواع من الأخطاء وراء كيفية تضليل استنتاجات التجارب والدراسات الرصدية: قد يؤدي اكتشاف إيجابي كاذب إلى الترويج لتدخل غير فعال، بينما قد يؤدي اكتشاف سلبي كاذب إلى رفض تدخل مفيد. إن قراءة ما إذا كانت الدراسة قد تحكمت في معدلات أخطائها - وما إذا كانت النتيجة الصفرية تعكس ببساطة قوة منخفضة - أمر أساسي لتقييم الأدلة. يشرح هذا المدخل الأخطاء الاستدلالية وليس أساسًا للقرارات السريرية الفردية.

Evidence & guidelines

تؤكد التعليقات المنهجية أن النتيجة غير الدالة ليست دليلاً على عدم وجود تأثير، حيث أن الدراسات ذات القوة المنخفضة تجعل الأخطاء من النوع الثاني محتملة؛ وتلخص ملاحظة ألتمان وبلاند بأن غياب الدليل ليس دليلاً على الغياب هذا مباشرة. توثق مراجعات الأبحاث ذات القوة المنخفضة، مثل تحليل باتون وزملاؤه في علم الأعصاب، كيف أن القوة المنخفضة تضخم السلبيات الكاذبة وتقلل من موثوقية النتائج الدالة.

History

تم تقديم التمييز بين أخطاء النوع الأول والنوع الثاني من قبل نيمان وبيرسون في صياغتهم الرسمية لاختبار الفرضيات عام 1933، والتي صاغت تصميم الاختبار على أنه التحكم في احتمالات الخطأين هذين. أصبحت العواقب العملية - وخاصة مخاطر الخطأ من النوع الثاني في الدراسات الصغيرة - موضوعًا متكررًا في الانتقادات المنهجية لأبحاث الصحة والسلوك في القرنين العشرين والحادي والعشرين.

Debates

تفسير النتائج غير الدالة

نظرًا لأن الدراسات ذات القوة المنخفضة غالبًا ما ترتكب أخطاء من النوع الثاني، فإن النتيجة غير الدالة غالبًا ما تُفسر بشكل خاطئ على أنها لا تظهر أي تأثير؛ ويؤكد المنهجيون أن غياب الدليل ليس دليلاً على الغياب.

Key figures

• Jerzy Neyman
• Egon Pearson
• Douglas G. Altman
• J. Martin Bland
• John P. A. Ioannidis

Seminal works

• neyman-pearson-1933
• altman-bland-1995

Frequently asked questions

ما الفرق بين الخطأ من النوع الأول والخطأ من النوع الثاني؟

الخطأ من النوع الأول هو إيجابية كاذبة - الاستنتاج بوجود تأثير عندما لا يوجد - والخطأ من النوع الثاني هو سلبية كاذبة - فقدان تأثير حقيقي. وتسمى احتمالاتهما ألفا وبيتا على التوالي.

لماذا لا أستطيع جعل معدلي الخطأ صغيرين قدر الإمكان؟

بالنسبة لحجم عينة ثابت، يتوازن الاثنان: تشديد الاختبار لتقليل الإيجابيات الكاذبة يزيد من السلبيات الكاذبة. الطريقة الرئيسية لتقليل كليهما في وقت واحد هي زيادة حجم العينة.