型一错误

型一错误 (Type I Error)

型一错误（Type I Error），又称第一类错误、弃真错误或假阳性（False Positive），是统计假设检验理论中的核心概念，指当零假设（$H_0$）实际上为真时，检验却错误地拒绝了零假设。换言之，研究者从样本数据中"发现"了一个实际上并不存在的效应或差异。型一错误与型二错误共同构成假设检验的两类可能错误，由奈曼（Jerzy Neyman）和皮尔逊（Egon Pearson）在1930年代系统化。

型一错误的概率：显著性水平 $\alpha$

型一错误发生的概率记为 $\alpha$，即检验的显著性水平（Significance Level）。在频率学派框架下，$\alpha$ 由研究者在实验设计阶段预先设定，最常用的标准值为 $0.05$、$0.01$ 和 $0.10$：

当 $p$ 值小于预设的 $\alpha$ 时，研究者拒绝 $H_0$。这意味着，如果 $\alpha = 0.05$，且 $H_0$ 确实为真，那么当进行大量重复实验时，平均每20次就会有一次因抽样变异而错误地拒绝 $H_0$。Fisher 最初将 $p < 0.05$ 视为"效应值得进一步研究"的模糊标准，但在后世的学术实践中，这一阈值被机械化为判断研究是否"显著"的二元分界线，也成为发表偏倚和p值操纵（p-hacking）的制度性根源。

型一错误与型二错误的权衡

型一错误和型二错误之间存在经典的权衡关系（Trade-off）。在固定样本量下，降低 $\alpha$（使拒绝零假设更难）会同时增加型二错误的概率 $\beta$（使保留零假设更容易，从而更可能漏掉真实效应）：

• 降低 $\alpha$：阳性结果更可信，但检出真实效应的统计功效（$1 - \beta$）下降。
• 提高 $\alpha$：功效增大，但假阳性风险上升。

两者不能同时任意小，除非无限制地增大样本量。这一权衡在ROC曲线（Receiver Operating Characteristic Curve）中得到直观呈现：曲线描绘了不同决策阈值下真阳性率与假阳性率的关系，曲线下面积（AUC）度量了检验的整体判别能力。

多重比较与FWER控制

当同时对多个假设进行检验时，型一错误的问题被急剧放大。如果进行 $m$ 次独立的假设检验，且每次检验的型一错误率均为 $\alpha$，则至少出现一次型一错误的族系错误率（Family-Wise Error Rate, FWER）为：

例如，当 $m = 20$ 且 $\alpha = 0.05$ 时，FWER $\approx 0.64$，即假阳性的总体概率高达约64\%。控制多重比较中 FWER 的经典方法包括Bonferroni校正（将显著性阈值调整为 $\alpha/m$）、Holm-Bonferroni逐步法以及控制错误发现率（FDR）的Benjamini-Hochberg过程。在大规模基因组学、神经影像和A/B测试等同时涉及数百或数万次检验的领域中，多重比较校正是推断有效性的基本前提。

经济学与社会科学中的应用与反思

在计量经济学和实证社会科学中，型一错误与研究的可复制性（Replicability）密切相关。2010年代以来，多个学科经历了"复制危机"（Replication Crisis），大量已发表的显著结果在后续独立的重复实验中无法复现。这被广泛归因于：研究者自由度（Researcher Degrees of Freedom）导致的隐性多重比较、选择性报告显著结果（文件柜问题）、以及低统计功效下显著结果更可能为假阳性的赢家诅咒效应。

现代因果推断范式——尤其是潜在结果框架（Rubin Causal Model）和实验经济学中的预注册（Pre-registration）实践——试图通过区分探索性研究与验证性研究、预先锁定分析计划和假设来约束事实上的型一错误率。同时，贝叶斯方法提供了另一种视角：在贝叶斯因子框架下，不以固定阈值做二元决策，而是量化数据对零假设和备择假设的相对支持程度，从而部分规避了传统 $\alpha$ 阈值带来的任意性。