Heading

Wat zijn Type I- en Type II-fouten?

Door Saul McLeod, gepubliceerd 04 juli 2019

Een statistisch significant resultaat kan niet bewijzen dat een onderzoekshypothese juist is (want dat impliceert 100% zekerheid). Omdat een p-waarde gebaseerd is op waarschijnlijkheden, is er altijd een kans dat er een onjuiste conclusie wordt getrokken over het aannemen of verwerpen van de nulhypothese (H0).

Elke keer dat we een beslissing nemen met behulp van statistiek, zijn er vier mogelijke uitkomsten, waarvan er twee staan voor juiste beslissingen en twee voor fouten.

De kans dat deze twee soorten fouten worden gemaakt, is omgekeerd evenredig: dat wil zeggen, als het foutenpercentage van type I afneemt, neemt het foutenpercentage van type II toe, en omgekeerd.

Een type 1-fout staat ook bekend als vals-positief en treedt op wanneer een onderzoeker een echte nulhypothese ten onrechte verwerpt. Dit betekent dat je rapporteert dat je bevindingen significant zijn, terwijl ze in feite door toeval zijn ontstaan.

De kans dat je een type I-fout maakt, wordt weergegeven door je alfa-niveau (α), dat is de p-waarde waaronder je de nulhypothese verwerpt.Een p-waarde van 0,05 geeft aan dat u bereid bent een kans van 5% te accepteren dat u zich vergist wanneer u de nulhypothese verwerpt.

U kunt uw risico op het maken van een type I-fout verkleinen door een lagere waarde voor p te gebruiken. Een p-waarde van 0,01 betekent bijvoorbeeld dat de kans op een type I-fout 1% is.

Het gebruik van een lagere waarde voor alpha betekent echter dat de kans kleiner is dat u een echt verschil detecteert als het echt bestaat (en dus een type II-fout riskeert).

Een type II-fout staat ook bekend als vals-negatief en treedt op wanneer een onderzoeker er niet in slaagt een nulhypothese te verwerpen die in werkelijkheid vals is. Hierbij concludeert een onderzoeker dat er geen significant effect is, terwijl dat in werkelijkheid wel zo is.

De kans op het maken van een type II-fout heet Beta (β), en deze is gerelateerd aan de power van de statistische test (power = 1- β). U kunt de kans op een type II-fout verkleinen door ervoor te zorgen dat uw test voldoende power heeft.

Dit kunt u doen door ervoor te zorgen dat uw steekproefgrootte groot genoeg is om een praktisch verschil te detecteren als er echt een verschil bestaat.

De gevolgen van een type I-fout zijn dat er onnodige veranderingen of interventies worden doorgevoerd, waardoor tijd, middelen, enz. worden verspild.

Type II-fouten leiden doorgaans tot het behoud van de status-quo (d.w.z. interventies die hetzelfde blijven) terwijl verandering nodig is.