Μηδενική υπόθεση | Στατιστική

Η μηδενική υπόθεση είναι απαραίτητη για την επιστημονική έρευνα, δεδομένου ότι αποτελεί τη βάση για τις ερευνητικές έρευνες. Εκτός του ότι δίνει στους ερευνητές ένα σημείο εκκίνησης, τους επιτρέπει να αναπτύξουν εναλλακτικές υποθέσεις που μπορούν να δοκιμαστούν και να αξιολογηθούν.

Ο ρόλος της μηδενικής υπόθεσης

Η εξέταση της σχέσης μεταξύ μεταβλητών ή η διαπίστωση του κατά πόσον υπάρχουν διαφορές μεταξύ ομάδων είναι συχνά σημαντική στις επιστημονικές μελέτες. Σύμφωνα με τη μηδενική υπόθεση, συχνά δεν υπάρχει διακριτή διαφορά ή σχέση μεταξύ των υπό εξέταση μεταβλητών. Υποδηλώνει την απουσία σχέσης μεταξύ των σχετικών στοιχείων ή επίδρασης μεταξύ τους.

Οι ερευνητές δημιουργούν τη μηδενική υπόθεση για να χρησιμεύσει ως σημείο αναφοράς για τη σύγκριση των ευρημάτων τους. Συνήθως αντιπροσωπεύεται από το σύμβολο Η0, η υπόθεση αυτή χρησιμεύει ως σημείο αναφοράς για τον προσδιορισμό της στατιστικής σημαντικότητας των ευρημάτων της μελέτης.

Παράδειγμα

Ας χρησιμοποιήσουμε μια μελέτη σχετικά με τις επιδράσεις ενός νέου προγράμματος παρέμβασης στον μη ειδικό πόνο στον αυχένα ως παράδειγμα για να αποσαφηνίσουμε περαιτέρω αυτή την ιδέα. Σύμφωνα με τη μηδενική υπόθεση σε αυτή την περίπτωση, μπορεί να μην υπάρχει διακριτή διαφορά στον πόνο στον αυχένα μεταξύ των ασθενών που λαμβάνουν την παρέμβαση και εκείνων που δεν λαμβάνουν.

Έτσι, η μηδενική υπόθεση μπορεί να γραφτεί μαθηματικά ως H0: 1 - 2 = 0, όπου 1 είναι ο μέσος όρος του πόνου στον αυχένα όσων λαμβάνουν την παρέμβαση και 2 είναι ο μέσος όρος του πόνου στον αυχένα όσων δεν λαμβάνουν την παρέμβαση.

Αφού συγκεντρώσουν πληροφορίες, οι ερευνητές εκτελούν στατιστικές δοκιμές για να δουν αν τα στοιχεία επιβεβαιώνουν ή καταρρίπτουν τη μηδενική υπόθεση. Οι ερευνητές μπορούν να απορρίψουν τη μηδενική υπόθεση υπέρ μιας εναλλακτικής υπόθεσης, εάν τα δεδομένα έρχονται σε αντίθεση με τη μηδενική υπόθεση και παρουσιάζουν σημαντική διαφορά ή σύνδεση.

Μην το κάνεις αυτό

Είναι σημαντικό να τονιστεί ότι η εναλλακτική υπόθεση δεν αποδεικνύεται από την απόρριψη της μηδενικής υπόθεσης. Αντίθετα, υποστηρίζει ότι τα δεδομένα θα μπορούσαν να υποδηλώνουν ότι η εναλλακτική υπόθεση πρέπει να θεωρείται πιο εύλογη εξήγηση. Συνήθως, η εναλλακτική υπόθεση ισχυρίζεται ότι υπάρχει διάκριση ή σύνδεση μεταξύ των σχετικών μεταβλητών.

Στην πραγματική ζωή, οι ερευνητές αναλύουν την πιθανότητα να λάβουν τα αναφερόμενα αποτελέσματα υπό τη μηδενική υπόθεση χρησιμοποιώντας διάφορες στατιστικές δοκιμές, όπως t-tests ή chi-square tests. Οι ερευνητές απορρίπτουν τη μηδενική υπόθεση και διερευνούν την εναλλακτική υπόθεση εάν η πιθανότητα πέσει κάτω από ένα προκαθορισμένο επίπεδο σημαντικότητας, που συνήθως συμβολίζεται ως άλφα (α), συνήθως 0,05.

Η πράξη του ελέγχου των υποθέσεων είναι απαραίτητη για την επιστημονική έρευνα, διότι επιτρέπει στους ερευνητές να διατυπώνουν κρίσεις με βάση εμπειρικά δεδομένα. Οι ερευνητές μπορούν να αυξήσουν τη γνώση και να συμβάλουν στην κατανόηση πολλών φαινομένων αναλύοντας μεθοδικά και αμφισβητώντας τη μηδενική υπόθεση.

Προβλήματα με τον έλεγχο μηδενικής υπόθεσης

Μια σημαντική κριτική είναι ότι συχνά αγνοεί τα μεγέθη επίδρασης και την κλινική σημασία υπέρ της επικέντρωσης μόνο στη στατιστική σημαντικότητα. Η στατιστική σημαντικότητα δεν αποκαλύπτει το μέγεθος ή τη σημαντικότητα του αποτελέσματος που παρατηρήθηκε- λέει απλώς αν ένα εύρημα είναι πιθανό να έχει συμβεί τυχαία. Ο έλεγχος τεράστιων συνόλων δεδομένων μπορεί να οδηγήσει σε σημαντικά αποτελέσματα (απόρριψη της Η0) για τις πιο μικρές διαφορές.

Ας προχωρήσουμε περαιτέρω στο προηγούμενο παράδειγμα. Σας ενδιαφέρει η κλίμακα VAS (οπτική αναλογική κλίμακα) για τον πόνο μετά τη θεραπεία για δύο παρεμβάσεις για τον πόνο στον αυχένα. Έχετε περίπου 1000 ασθενείς ανά ομάδα. Η ομάδα Α έχει μέσο όρο 2,2/10 μετά τη θεραπεία και η ομάδα Β 2,4/10. Δεδομένου ότι οι ομάδες είναι τόσο μεγάλες, οι πιθανότητες είναι ότι αυτή η μικροσκοπική διαφορά οδηγεί σε σημαντική διαφορά με τον έλεγχο μηδενικής υπόθεσης. Ωστόσο, τα 0,2/10 της διαφοράς είναι ελάχιστα σημαντικά. Όσον αφορά την κλινική σημασία, οι δύο αυτές ομάδες είναι ίσες.

Ένα άλλο πρόβλημα είναι ότι η μηδενική υπόθεση μπορεί να απορριφθεί ή να γίνει αποδεκτή, γεγονός που μπορεί να οδηγήσει σε δυαδική ερμηνεία των δεδομένων. Αυτή η διχοτομική προσέγγιση θα μπορούσε να υπεραπλουστεύσει τα περίπλοκα περιστατικά και να χάσει τις λεπτότερες λεπτομέρειες των δεδομένων.

Επιπλέον, μέχρι να διαψευστεί, ο έλεγχος μηδενικών υποθέσεων υποθέτει ότι η μηδενική υπόθεση είναι αληθής. Αυτό μπορεί να οδηγήσει σε μεροληψία υπέρ της μηδενικής υπόθεσης και να οδηγήσει σε πιθανή τύφλωση σε δυνητικά σημαντικές επιδράσεις.

Οι αντίπαλοι υποστηρίζουν ότι εναλλακτικές μέθοδοι, όπως η αναφορά του μεγέθους της επίδρασης ή η στατιστική κατά Bayes, μπορούν να προσφέρουν μια πιο ενδελεχή και διδακτική εξέταση των αποτελεσμάτων των μελετών, επιτρέποντας μια καλύτερη κατανόηση της συνάφειας και των πρακτικών συνεπειών των ευρημάτων.

Περίληψη

Η μηδενική υπόθεση, η οποία δηλώνει ότι δεν υπάρχει σημαντική διαφορά ή συσχέτιση μεταξύ των μεταβλητών ενδιαφέροντος, λειτουργεί ως η προεπιλεγμένη υπόθεση σε μια ερευνητική διερεύνηση. Για να απορριφθεί η μηδενική υπόθεση υπέρ μιας εναλλακτικής, τα δεδομένα θα πρέπει να είναι ασύμβατα με τη μηδενική υπόθεση, παρουσιάζοντας σημαντική διαφορά. Οι επιστήμονες μπορούν να βελτιώσουν τις υποθέσεις, να διερευνήσουν νέες έννοιες και να εμβαθύνουν στην κατανόηση του κόσμου μέσω του ελέγχου υποθέσεων. Ωστόσο, υπάρχει μια μεγάλη ομάδα επικριτών του ελέγχου μηδενικών υποθέσεων. Δεν είναι χωρίς ελαττώματα.

Neyman, J., & Pearson, E. S. (1933). Σχετικά με τα προβλήματα των αποτελεσματικότερων ελέγχων στατιστικών υποθέσεων. Philosophical Transactions of the Royal Society of London, 231A, 289-338. https://doi.org/10.1098/rsta.1933.0009

GRAVES, SPENCER (1978). Σχετικά με τη θεωρία των δοκιμών Neyman-Pearson. The British Journal for the Philosophy of Science, 29(1), 1-24. doi:10.1093/bjps/29.1.1. 

Quintana, D.S., Williams, D.R. Bayesian εναλλακτικές λύσεις για κοινούς ελέγχους σημαντικότητας μηδενικών υποθέσεων στην ψυχιατρική: ένας μη τεχνικός οδηγός με χρήση του JASP. BMC Psychiatry 18, 178 (2018). https://doi.org/10.1186/s12888-018-1761-4

Burnhamm και Anderson, Οι τιμές P είναι μόνο ένας δείκτης για την απόδειξη: 20η- vs. Στατιστική επιστήμη του 21ου αιώνα. Ecology (2014), https://doi.org/10.1890/13-1066.1