2. 保险精算中的假设检验：原假设与备择假设、显著性水平、p值、第一类与第二类错误

在保险精算的A/B测试中，假设检验是判断模型规则变更（如新的核保规则、定价模型或理赔流程）是否产生统计显著效果的核心工具。本章将系统梳理假设检验的五大核心概念，并结合精算场景进行实战解读。

2.1 原假设与备择假设：决策的起点

假设检验首先需要建立一对互斥的假设：

• 原假设（H₀）：通常代表“无效果”或“无差异”的保守立场。在精算A/B测试中，H₀ 通常设定为“新规则与旧规则的效果相同”。
• 备择假设（H₁）：代表“有效果”或“有差异”的研究立场。H₁ 可以是双尾（新规则效果不同）或单尾（新规则效果更好/更差）。

2.2 显著性水平（α）：控制错误的阈值

显著性水平 α 是检验中允许犯第一类错误的最大概率，通常设定为 0.05 或 0.01。它划定了拒绝域的边界：

• α = 0.05：意味着如果原假设为真，我们愿意接受最多 5% 的概率错误地拒绝它。
• α = 0.01：更严格的标准，适用于后果严重的决策（如影响偿付能力的规则变更）。

2.3 p值：证据强度的度量

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。p值越小，说明样本数据与原假设的兼容性越差，拒绝 H₀ 的证据越强。

2.4 第一类与第二类错误：精算决策的风险矩阵

假设检验的决策结果与真实状态组合，形成四种可能结果，其中两种为错误：

• 第一类错误（α）：原假设为真时错误地拒绝它（假阳性）。在精算中，相当于错误地认为新规则有效而实际无效，导致不必要的系统变更成本。
• 第二类错误（β）：原假设为假时未能拒绝它（假阴性）。相当于新规则实际有效但未被识别，错失优化机会。

2.5 统计功效（1-β）与样本量规划

统计功效是当备择假设为真时正确拒绝原假设的概率（1-β）。在精算A/B测试中，功效直接决定了测试的“侦测能力”：

• 功效 ≥ 0.80：行业通用标准，表示有 80% 的概率能检测到真实存在的效果。
• 影响功效的因素：效应量（效果大小）、样本量、显著性水平 α、数据变异程度。

n = (Z_α/2 + Z_β)² × 2σ² / Δ²

其中：
  n      = 每组所需样本量
  Z_α/2  = 对应显著性水平的Z值（α=0.05时取1.96）
  Z_β    = 对应功效的Z值（功效=0.80时取0.84）
  σ²     = 指标方差（如赔付率的方差）
  Δ      = 最小可检测效果（如赔付率降低2%）

2.6 精算A/B测试假设检验完整流程

1. 定义业务指标：明确测试目标（如赔付率、续保率、理赔满意度）。
2. 设定假设：建立 H₀ 和 H₁，确定单尾或双尾检验。
3. 选择显著性水平 α 和功效 1-β：根据业务风险确定 α（通常 0.05）和功效（通常 0.80）。
4. 计算所需样本量：基于历史数据估计方差 σ² 和最小可检测效果 Δ。
5. 收集数据并运行测试：随机分配用户到对照组（旧规则）和实验组（新规则）。
6. 计算检验统计量和 p值：使用 t检验、z检验或卡方检验等方法。
7. 做出决策：若 p < α，拒绝 H₀，采纳新规则；否则维持原规则。
8. 评估实际效果：即使统计显著，也需评估效果大小是否具有业务意义。