3. 假设检验核心：原假设与备择假设、显著性水平 α、p 值、第一类错误与第二类错误、统计功效
在保险精算的 A/B 测试中，假设检验是判断实验组与对照组差异是否具有统计显著性的核心工具。本章将系统讲解假设检验的五大核心概念，帮助你在精算场景中做出严谨的统计推断。
3.1 原假设与备择假设
假设检验的第一步是建立一对互斥的假设：
- 原假设 (H₀)：通常代表“无差异”或“现状”。例如：新定价方案与旧方案在赔付率上无显著差异。
- 备择假设 (H₁)：代表“存在差异”或“有变化”。例如：新定价方案显著降低了赔付率。
精算提示：在保险场景中，原假设通常设定为“新方案无效”，这符合保守原则——我们要求有足够证据才能推翻现状，避免因随机波动而错误推行新策略。
3.2 显著性水平 α
显著性水平 α 是检验中预先设定的“犯错容忍度”，表示在原假设为真时，我们愿意错误拒绝它的最大概率。常用值为 0.05 或 0.01。
| α 值 | 含义 | 精算常见场景 |
|---|---|---|
| 0.10 | 较宽松，允许 10% 的误判风险 | 探索性分析、初步筛选 |
| 0.05 | 标准水平，5% 的误判风险 | 大多数 A/B 测试、费率调整 |
| 0.01 | 严格水平，1% 的误判风险 | 偿付能力评估、重大产品变更 |
3.3 p 值
p 值是在原假设为真的前提下，观察到当前样本结果（或更极端结果）的概率。它是衡量样本证据与原假设矛盾程度的指标：
- p ≤ α：拒绝 H₀，认为结果具有统计显著性。
- p > α：不拒绝 H₀，认为现有证据不足以推翻原假设。
常见误区：p 值不是“原假设为真的概率”，也不是“效应大小”。p 值小只说明数据与原假设不一致，不代表实际差异有业务意义。
3.4 第一类错误与第二类错误
在假设检验中，我们可能犯两类错误：
| 实际 H₀ 为真 | 实际 H₁ 为真 | |
|---|---|---|
| 不拒绝 H₀ | ✅ 正确判断 (1-α) | ❌ 第二类错误 (β) |
| 拒绝 H₀ | ❌ 第一类错误 (α) | ✅ 正确判断 (1-β) |
- 第一类错误 (α)：假阳性——错误地认为新方案有效，实际无效。后果：浪费资源推行无效策略。
- 第二类错误 (β)：假阴性——错误地认为新方案无效，实际有效。后果：错失优化机会。
精算权衡：在保险业务中，第一类错误（推行无效方案）可能导致赔付率上升，第二类错误（放弃有效方案）可能导致竞争力下降。通常优先控制第一类错误，再通过增大样本量降低第二类错误。
3.5 统计功效
统计功效 = 1 - β，表示当备择假设为真时，检验能够正确拒绝原假设的概率。功效越高，越能检测到真实存在的差异。
影响统计功效的关键因素：
- 样本量：样本越大，功效越高。
- 效应量：实际差异越大，越容易被检测到。
- 显著性水平 α：α 越大，功效越高，但第一类错误风险也增大。
- 数据变异性：方差越小，功效越高。
精算实践：在设计 A/B 测试时，建议先进行功效分析，确保样本量足够达到 80% 以上的统计功效。例如，要检测赔付率降低 5% 的效果，可能需要数万条保单记录。
3.6 核心概念关系图
下图展示了假设检验中各个核心概念之间的逻辑关系与决策流程：
3.7 统计功效与样本量关系图
下图展示了在不同效应量下，统计功效随样本量变化的典型曲线，帮助精算师在实验设计阶段预估所需样本量：
3.8 精算 A/B 测试假设检验流程
在保险精算实践中，完整的假设检验流程如下：
- 明确业务问题：例如“新费率是否显著降低赔付率？”
- 建立假设对：H₀: μ新 = μ旧 vs H₁: μ新 < μ旧
- 设定显著性水平 α：通常 0.05
- 进行功效分析：确定所需最小样本量
- 收集数据：随机分配实验组与对照组
- 计算检验统计量与 p 值
- 做出统计决策：比较 p 值与 α
- 评估业务意义：统计显著 ≠ 业务显著，需结合效应量判断
精算案例：某保险公司测试新核保模型，设定 α=0.05，功效目标 80%。实验结果显示 p=0.03，拒绝原假设，认为新模型显著降低了赔付率。进一步计算效应量发现赔付率降低 3.2%，结合业务成本评估后决定全面推广。