KNOWECON WIKI

ARTICLE

Type I error

第一类错误 (Type I Error) 第一类错误 (Type I Error)，又称假阳性 (false positive) 或 错误，是统计假设检验框架中的核心概念，指当零假设 (H_0) 实际上为真时，检验却错误地拒绝了 H_0 的决策失误。换句话说，第一类错误就是"无中生有"——在一个没有真实效应的场景中，研究者却宣称发现了统计显著的效应。在Ney

浏览 0 更新 2026-06-13

第一类错误 (Type I Error)

第一类错误 (Type I Error)，又称假阳性 (false positive) 或 α\alpha 错误，是统计假设检验框架中的核心概念，指当零假设 (H0H_0) 实际上为真时，检验却错误地拒绝了 H0H_0 的决策失误。换句话说，第一类错误就是"无中生有"——在一个没有真实效应的场景中，研究者却宣称发现了统计显著的效应。在Neyman-Pearson引理所确立的假设检验范式中，第一类错误的概率由研究者预先设定的显著性水平 (significance level) α\alpha 严格控制，这是频率学派推断方法区别于其他统计哲学的基石特性之一。

第一类错误的定义与数学表述

设零假设 H0H_0 和备择假设 H1H_1 构成参数空间的一个划分。检验程序基于样本数据 XX 将样本空间分为两个区域：拒绝域 R\mathcal{R} 和接受域 Rc\mathcal{R}^c。第一类错误的概率定义为：

α=Pr⁡(拒绝 H0∣H0 为真)=Pr⁡(X∈R∣H0)\alpha = \Pr(\text{拒绝 } H_0 \mid H_0 \text{ 为真}) = \Pr(X \in \mathcal{R} \mid H_0)

在 Neyman-Pearson 框架中，研究者首先固定一个可容忍的第一类错误概率上限 α\alpha（通常取 0.05、0.01 或 0.10），然后在所有满足该约束的检验中选择使第二类错误概率最小化（即功效最大化）的检验。这一"先控制 α\alpha，再优化功效"的原则被称为Neyman-Pearson 引理的核心结论，它在简单假设对简单假设的情形下给出了最优检验（似然比检验）的具体构造。

第一类错误与p值 (p-value)紧密相关但并不等同。p 值定义为在 H0H_0 为真时观察到比当前样本更极端的检验统计量的概率。当 p<αp < \alpha 时，检验拒绝 H0H_0。若 H0H_0 的确为真，任何一次拒绝都是第一类错误——这也是为什么 p 值不能解释为"H0H_0 为真的概率"，后者是贝叶斯统计中后验概率的概念。

与第二类错误的权衡

假设检验中存在两种对称但不对称的决策错误：

  • 第一类错误 (α\alpha)：H0H_0 为真但被拒绝——"错杀无辜"。
  • 第二类错误 (Type II Error, β\beta)：H0H_0 为假但未被拒绝——"放走真凶"。

两种错误概率之间存在固有的此消彼长关系。对于固定的样本量 nn，降低显著性水平 α\alpha（使拒绝标准更严格）会自然地减少第一类错误的概率，但同时会扩大第二类错误的概率 β\beta，因为更严格的标准使检验更难拒绝 H0H_0——无论 H0H_0 是真是假。反之，放宽 α\alpha 虽然提高了检测真实效应的能力（降低 β\beta），却也增大了误报的风险。

这一权衡在经济学实证研究中具有深远的实践意义。例如在监管政策评估中，第一类错误意味着错误地判定一项无害的政策为有害而阻止其实施（过度谨慎），第二类错误则意味着未能检测到政策的真实危害而让其继续执行（监管失职）。两种错误的相对成本取决于具体的决策语境：在药品审批中第一类错误（批准无效药物）的代价通常被认为远高于第二类错误（拒绝有效药物），因此 FDA 倾向于使用保守的 α\alpha；而在金融危机预警中，第二类错误（未能预警真实的危机）可能造成灾难性后果，研究者可能愿意接受较高的 α\alpha 以增强预警灵敏度。

增大样本量是唯一能同时降低两类错误的根本手段。这是因为随着 n→∞n \to \infty，检验统计量的标准误以 1/n1/\sqrt{n} 的速率缩小，使零假设下的分布与备择假设下的分布更好地分离。这解释了为什么样本量计算 (Sample Size Calculation)在实验设计中占据核心地位。

第一类错误率的多重检验膨胀

当研究者同时进行多个假设检验时，即便每个单独检验的第一类错误概率都被控制在 α\alpha 水平，族系错误率 (family-wise error rate, FWER)——即至少犯一次第一类错误的概率——会随着检验数量的增加而急剧上升。若进行 mm 个独立的检验且每个检验的显著性水平均为 α\alpha，则在全局零假设（所有零假设均为真）下：

FWER=1−(1−α)m\text{FWER} = 1 - (1 - \alpha)^m

当 m=20m = 20 且 α=0.05\alpha = 0.05 时，FWER 约为 0.64，意味着即便没有任何真实效应，也有约 64\% 的概率至少得到一个"统计显著"的结果。这一现象在计量经济学的多个领域尤为突出：在增长回归中，研究者常常将数十个潜在的解释变量逐一放入回归方程，若不对多重比较进行校正，几乎必然会发现若干"显著"但实际为假的协变量；在金融异象文献中，学者对同一组收益率数据测试数百种交易策略，未经校正的显著结果很可能仅仅是数据窥探 (data snooping) 的产物。

常用的多重比较校正方法包括：

  • Bonferroni 校正：将显著性水平调整为 α/m\alpha / m，这是最保守但最简单的方法，严格控制了 FWER 但以大幅牺牲功效为代价。
  • Holm-Bonferroni 方法：对 p 值排序后逐步检验，比 Bonferroni 有更高的功效但仍控制 FWER。
  • Benjamini-Hochberg 方法：转而控制错误发现率 (false discovery rate, FDR)，即被拒绝的假设中第一类错误比例的期望值。这一方法在基因表达分析和金融因子筛选等涉及大量检验的场景中更为实用，因为控制 FDR 而非 FWER 在 mm 很大时保留了更多统计功效。

经济学与计量经济学中的应用

第一类错误的控制贯穿实证经济研究的始终。在随机对照试验 (RCT) 中，发展经济学家通常将 α=0.05\alpha = 0.05 作为判定政策效果"统计显著"的默认门槛。然而这一惯例本身在近年来受到了来自多方面的批评。Andrew Gelman 和 John Ioannidis 等学者指出，机械地依赖 0.05 阈值导致了发表偏倚 (publication bias) 和复制危机：期刊倾向于发表显著的结果，这激励研究者有意或无意地通过p值操纵 (p-hacking)（如中途改变模型设定、选择性报告因变量、提前终止数据收集）将 p 值压低到 0.05 以下，实质上提高了文献整体的第一类错误率。

在时间序列计量经济学中，第一类错误还面临额外的复杂性。单位根检验（如 ADF 检验和 Phillips-Perron 检验）的临界值依赖于数据生成过程的特定假设，误设确定性趋势项或滞后阶数可能导致实际的第一类错误率严重偏离名义水平，这被称为检验的尺度扭曲 (size distortion)。类似地，在协整检验中，若忽略结构断点，检验的尺度可能严重失真，使研究者频繁地错误拒绝"不存在协整关系"的零假设。

在机器学习与计量经济学的交叉领域，第一类错误的控制面临新的挑战。当使用LASSO、随机森林或深度学习等数据驱动方法进行变量选择后再对选出的变量做统计推断时，传统的标准误和 p 值将不再有效，因为变量选择阶段引入了额外的第一类错误来源。后选择推断 (post-selection inference) 和样本分割 (sample splitting) 是应对这一问题的前沿方法，旨在确保在数据驱动模型选择之后仍能对第一类错误进行有效控制。

贝叶斯视角下的替代方案

贝叶斯统计学派对第一类错误的概念提出了根本性的批评。在贝叶斯假设检验中，研究者不计算"在 H0H_0 为真时观察到当前数据的概率"，而是通过贝叶斯因子 (Bayes factor) 比较数据在零假设和备择假设下的相对支持程度。贝叶斯因子不涉及固定的 α\alpha 阈值，也不需要对"重复抽样"下第一类错误的长期频率做控制，因此在序贯检验（边收集数据边检验）中具有天然优势——它不受可选停止 (optional stopping) 问题的影响，而频率学派的 p 值在可选停止下会严重低估第一类错误概率。

然而贝叶斯方法也引入了自身的挑战：先验分布的选择对贝叶斯因子具有实质性影响，且在复杂模型中计算边际似然在技术上可能非常困难。在经济学中，贝叶斯方法在宏观经济学的DSGE模型估计和微观计量的离散选择模型中有较广泛的应用，但频率学派的假设检验仍然是实证研究的主导范式。