在统计中有两种类型的错误：

• 类型 I：当原假设正确时。如果在这种情况下我们拒绝 null，我们就会犯这个错误。
• II型：当替代方案正确时。如果在这种情况下我们未能拒绝 null，我们会犯这个错误。

I 类错误与统计显着性有关。II 型错误与统计功效有关。

许多常客记得重要性，而忘记了权力。这导致了他们所说的情况，即不拒绝 null 意味着接受 null - 这是错误的。真正的陈述是失败，拒绝 null 意味着我们什么都不知道。当然，除非我们对权力有了解。

让我们想象一个例子，我们有一个显着性为 5% 的测试，但功效也非常低——比如说 10%。我们未能拒绝 null。所以现在，误报（犯I型错误）不是我们关心的问题。现在我们想考虑是否应该接受空值（拒绝替代），并且在不了解测试的力量的情况下，我们什么也做不了。但是如果我们知道这个检验的功效，即 10%，我们知道当备选方案为真时，该检验仅在 10% 的情况下会正确拒绝 null - 在备选方案正确的 90% 的情况下，我们将拒绝 null 失败！

功效的问题在于，在大多数情况下，它是与测试本身、样本量、未知参数、测试假设的满足度等许多方面相关的函数。在大多数情况下，它不能直接计算，只能通过蒙特卡罗模拟来近似。但每次这些条件发生变化，威力都完全不同。

有关此问题的更多信息，请阅读Valentin 等人。(2019) - Nature 上一篇简短的科普文章，以更详尽的方式描述了这个问题。对于那些更好奇的人，我建议看看Wasserstein 和 Lazar (2016) - 原始的 ASA 声明。

Amrhein、Valentin、Sander Greenland 和 Blake McShane。“科学家起来反对统计意义。 ”（2019）：305-307。

Wasserstein、Ronald L. 和 Nicole A. Lazar。“ ASA 关于 p 值的声明：背景、过程和目的。 ”（2016 年）：129-133。