Ketika kita menyelidiki dalam psikologi, dalam statistik inferensial kita menemukan dua konsep penting: kesalahan tipe I dan kesalahan tipe II . Ini muncul ketika kita melakukan tes hipotesis dengan hipotesis nol dan hipotesis alternatif.
Dalam artikel ini kita akan melihat apa itu sebenarnya, kapan kita mengkomitnya, bagaimana kita menghitungnya dan bagaimana kita bisa menguranginya.
- Artikel terkait: ” Psikometri: mempelajari pikiran manusia melalui data “
Metode estimasi parameter
Statistik inferensial bertanggung jawab untuk mengekstrapolasi atau mengekstrapolasi kesimpulan dari suatu populasi, berdasarkan informasi dari sampel. Artinya, memungkinkan kita untuk menggambarkan variabel tertentu yang ingin kita pelajari, pada tingkat populasi.
Di dalamnya, kita menemukan metode estimasi parameter , yang bertujuan untuk menyediakan metode yang memungkinkan kita menentukan (dengan presisi tertentu) nilai parameter yang ingin kita analisis, dari sampel acak populasi yang kita pelajari.
Estimasi parameter dapat terdiri dari dua jenis: tepat waktu (ketika nilai tunggal dari parameter yang tidak diketahui diperkirakan) dan dengan interval (ketika interval kepercayaan ditetapkan di mana parameter yang tidak diketahui akan “jatuh”). Dalam tipe kedua ini, estimasi interval, di mana kita menemukan konsep yang kita analisis hari ini: kesalahan tipe I dan kesalahan tipe II.
Kesalahan tipe I dan kesalahan tipe II: apa itu?
Kesalahan tipe I dan kesalahan tipe II adalah jenis kesalahan yang dapat kita lakukan ketika dalam penyelidikan kita dihadapkan pada perumusan hipotesis statistik (seperti hipotesis nol atau H0 dan hipotesis alternatif atau H1). Artinya, ketika kita menguji hipotesis. Tetapi untuk memahami konsep-konsep ini, pertama-tama kita harus mengontekstualisasikan penggunaannya dalam estimasi interval.
Seperti yang telah kita lihat, estimasi dengan interval didasarkan pada daerah kritis dari parameter hipotesis nol (H0) yang kita usulkan, serta pada interval kepercayaan dari estimator sampel.
Artinya, tujuannya adalah untuk menetapkan interval matematis di mana parameter yang ingin kita pelajari akan jatuh . Untuk melakukan ini, serangkaian langkah harus diambil.
1. Perumusan Hipotesis
Langkah pertama adalah merumuskan hipotesis nol dan hipotesis alternatif, yang, seperti yang akan kita lihat, akan membawa kita pada konsep kesalahan tipe I dan kesalahan tipe II.
1.1. Hipotesis nol (H0)
Hipotesis nol (H0) adalah hipotesis yang diajukan peneliti, dan untuk sementara ia terima sebagai benar . Anda hanya dapat menolaknya melalui proses pemalsuan atau sanggahan.
Biasanya, apa yang dilakukan adalah menyatakan tidak adanya efek atau tidak adanya perbedaan (misalnya, akan menegaskan bahwa: “Tidak ada perbedaan antara terapi kognitif dan terapi perilaku dalam pengobatan kecemasan”).
1.2. Hipotesis alternatif (H1)
Hipotesis alternatif (H1), di sisi lain, adalah yang bercita-cita untuk menggantikan atau menggantikan hipotesis nol. Ini biasanya menyatakan bahwa ada perbedaan atau efek (misalnya, “Ada perbedaan antara terapi kognitif dan terapi perilaku dalam pengobatan kecemasan”).
- Anda mungkin tertarik: ” Alpha Cronbach (α): apa itu dan bagaimana menggunakannya dalam statistik “
2. Penentuan tingkat signifikansi atau alpha (α)
Langkah kedua dalam estimasi interval adalah menentukan tingkat signifikansi atau tingkat alpha (α) . Ini ditetapkan oleh peneliti di awal proses; itu adalah probabilitas kesalahan maksimum yang kita terima untuk dilakukan ketika menolak hipotesis nol.
Biasanya membutuhkan nilai kecil, seperti 0,001, 0,01, atau 0,05. Dengan kata lain, itu akan menjadi “batas” atau kesalahan maksimum yang bersedia kita lakukan sebagai peneliti. Ketika taraf signifikansi 0,05 (5%), misalnya tingkat kepercayaan 0,95 (95%), dan keduanya dijumlahkan menjadi 1 (100%).
Setelah kita menetapkan tingkat signifikansi, empat situasi dapat terjadi: bahwa dua jenis kesalahan terjadi (dan di sinilah kesalahan tipe I dan kesalahan tipe II terjadi), atau bahwa dua jenis keputusan yang benar terjadi. Artinya, empat kemungkinan tersebut adalah:
2.1. Keputusan yang benar (1-α)
Ini terdiri dari menerima hipotesis nol (H0) menjadi ini benar . Artinya, kita tidak menolaknya, kita mempertahankannya, karena itu benar. Secara matematis akan dihitung sebagai berikut: 1-α (di mana adalah kesalahan tipe I atau tingkat signifikansi).
2.2. Keputusan yang benar (1-β)
Dalam hal ini, kita juga membuat keputusan yang tepat; terdiri dari menolak hipotesis nol (H0), ini menjadi salah. Juga disebut kekuatan pembuktian . Ini dihitung: 1-β (di mana adalah kesalahan tipe II).
23. Kesalahan tipe I ()
Kesalahan tipe I, juga disebut alfa (α), dilakukan dengan menolak hipotesis nol (H0), ini menjadi benar . Jadi, probabilitas membuat kesalahan tipe I adalah , yang merupakan tingkat signifikansi yang telah kita tetapkan untuk uji hipotesis kita.
Jika, misalnya, yang telah kita tetapkan adalah 0,05, ini akan menunjukkan bahwa kita bersedia menerima probabilitas 5% untuk salah ketika menolak hipotesis nol.
2.4. Kesalahan tipe II (β)
Kesalahan tipe II atau beta (β) dibuat ketika menerima hipotesis nol (H0), ini salah . Artinya, probabilitas membuat kesalahan tipe II adalah beta (β), dan itu tergantung pada kekuatan tes (1-β).
Untuk mengurangi risiko membuat kesalahan tipe II, kita dapat memilih untuk memastikan bahwa tes memiliki daya yang cukup. Untuk melakukan ini, kita harus memastikan bahwa ukuran sampel cukup besar untuk mendeteksi perbedaan ketika itu benar-benar ada.