용어 목록 > 1종 오류 (Type I Error)

1종 오류 (Type I Error)

통계
한 줄 정의: 실제로는 차이가 없는데 있다고 잘못 판단하는 오류(false positive).
1종 오류1종 오류: 왼쪽 1종 오류와 오른쪽 2종 오류를 비교한다. 위양성 대 위음성, 유의수준 α 대 확률 β.가설검정 오류1종 오류2종 오류vs위양성없는 효과를 검출위음성있는 차이 놓침유의수준 α허용 상한 미리 설정확률 β검정력=1−β

쉽게 풀면

화재경보기가 불이 나지 않았는데도 울리는 상황을 떠올려보세요. 1종 오류는 통계 검정에서 이런 "잘못된 경보"에 해당합니다. 실제로는 귀무가설(차이가 없다)이 맞는데도, 우연히 데이터가 튀는 바람에 "차이가 있다"고 잘못 결론 내리는 경우입니다.

유의수준(보통 α = .05)은 바로 이 1종 오류를 얼마나 허용할지를 미리 정해둔 확률입니다. 즉 유의수준 5%란, 실제로 효과가 없어도 우연히 유의한 결과가 나올 확률을 5%까지는 감수하겠다는 뜻입니다.

왜 중요한가

1종 오류는 통계적 유의성을 근거로 결론을 내리는 거의 모든 실증 연구에서 반드시 통제해야 하는 위험이기 때문에, 연구설계 단계에서부터 유의수준 설정과 다중비교 문제로 이어져 논문 전반에 걸쳐 다뤄집니다. 특히 여러 조건이나 변수를 동시에 비교하는 연구, 유전체나 뇌영상처럼 검정을 수천 번 반복하는 분야에서는 1종 오류를 어떻게 통제했는지가 결과의 신뢰성을 좌우하는 핵심 쟁점이 됩니다.

핵심 정리

현실 \ 판정기각기각 실패
H₀ 참1종 오류 (확률 ≤ α)옳은 판정
H₀ 거짓옳은 판정 (검정력)2종 오류 (β)

예시로 보기

모의 실험으로 확인해 봅시다(계산 결과). 효과가 전혀 없도록 두 집단을 같은 정규분포(평균 0, 표준편차 1)에서 20명씩 뽑아 t검정을 20,000번 반복했더니 p < .05가 나온 비율은 4.9%였습니다. α = .05가 이론대로 지켜진 것입니다.

그런데 한 연구에서 이런 비교를 20개 하고 그중 하나라도 유의하면 ‘발견’이라 보고한다면, 같은 모의 실험에서 연구 4,000개 중 63.7%가 적어도 하나의 ‘유의한 결과’를 얻었습니다(이론값 1 − .9520 = 64.2%). 효과가 하나도 없는데도 그렇습니다.

대응 방법은 크게 두 가지입니다. 하나라도 잘못 기각할 확률(FWER)을 묶는 본페로니·홀름 방법, 그리고 기각한 것 중 잘못된 비율(FDR)을 묶는 Benjamini-Hochberg 방법(위발견율)입니다.

자주 하는 오해

논문에서는 이렇게 쓰입니다

실제 논문에서

국내 학술지 논문에서 이 용어가 쓰인 문장을 그대로 옮겼습니다. 제목·학술지·연도와 원문 링크를 함께 적었습니다.

예시 문장

아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.

"다중비교로 인한 1종 오류 팽창을 막기 위해 본페로니 보정을 적용했다."

여러 번 통계 검정을 반복하면 우연히 유의한 결과가 나올 확률(잘못된 경보)이 누적되어 커지므로, 이를 보정하는 절차를 사용했다는 뜻입니다.

"전장유전체연관분석(GWAS)에서 수백만 개의 유전자 변이를 동시에 검정함에 따라 발생하는 1종 오류를 통제하기 위해 유의수준을 5×10⁻⁸ 수준으로 엄격하게 설정하였다."

검정 횟수가 극단적으로 많은 유전체 연구에서는 일반적인 유의수준(0.05)을 그대로 쓰면 우연히 유의하게 나오는 결과가 매우 많아지므로, 훨씬 엄격한 기준을 적용해 1종 오류를 관리한다는 뜻입니다.

조금 더 깊게 보면

1종 오류를 통제하는 방법은 크게 개별 검정마다 오류율을 엄격히 낮추는 방식(본페로니 보정 등)과, 여러 검정 중 잘못된 발견이 차지하는 비율을 관리하는 위양성발견율(false discovery rate, FDR) 방식으로 나뉩니다. 검정 횟수가 매우 많을 때는 본페로니 보정이 지나치게 보수적이어서 진짜 효과까지 놓칠 수 있기 때문에, 벤자미니-호크버그(Benjamini-Hochberg) 절차 같은 FDR 통제 방법이 대안으로 널리 쓰입니다.

주의할 점

여러 개의 가설을 동시에 검정할수록 1종 오류가 발생할 누적 확률이 커집니다. 검정을 많이 반복한 논문이라면 다중비교 보정을 했는지 확인해보는 것이 좋습니다.

헷갈리기 쉬운 용어

오류의 종류와 그 확률을 가리키는 이름이 많습니다.

용어뜻확률 기호
1종 오류참인 H₀를 기각 (위양성)α
2종 오류거짓인 H₀를 기각하지 못함 (위음성)β
검정력거짓인 H₀를 옳게 기각1 − β
유의수준1종 오류 확률의 허용 한도α (연구자가 정함)
유의확률H₀ 가정 시 관측값 이상으로 극단적일 확률p (자료에서 나옴)

‘1종 오류율’은 절차의 성질이고, ‘p값’은 이 자료의 결과입니다.

참고 문헌

  1. Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society of London, Series A, 231, 289–337.
  2. Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society, Series B, 57(1), 289–300.
  3. Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science, 22(11), 1359–1366.
  4. Ioannidis, J. P. A. (2005). Why most published research findings are false. PLoS Medicine, 2(8), e124.
  5. Lehmann, E. L., & Romano, J. P. (2005). Testing Statistical Hypotheses (3rd ed.). Springer.

표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.

관련 용어

2종 오류 귀무가설 유의수준 다중비교보정 분산분석 신뢰구간 유의확률 t검정 효과크기