Nulta hipoteza | Statistika

Nulta hipoteza ključna je za znanstvena istraživanja budući da čini temelj za istraživanja. Osim što daje istraživačima mjesto za početak, omogućuje im da razviju alternativne hipoteze koje se mogu testirati i ocijeniti.

Uloga nulte hipoteze

Ispitivanje odnosa između varijabli ili utvrđivanje postoje li varijacije između skupina često je važno u znanstvenim studijama. Prema nultoj hipotezi, često nema uočljive razlike ili veze između varijabli koje se istražuju. Označava nepostojanje odnosa između relevantnih komponenti ili učinka među njima.

Istraživači stvaraju nultu hipotezu koja služi kao referentna točka za usporedbu njihovih nalaza. Obično predstavljena simbolom H0, ova hipoteza služi kao mjerilo za određivanje statističke važnosti nalaza studije.

Primjer

Upotrijebimo studiju o učincima novog intervencijskog programa na nespecifičnu bol u vratu kao primjer kako bismo dodatno razjasnili ovu ideju. Možda neće biti uočljive razlike u bolovima u vratu između pacijenata koji su primili intervenciju i onih koji nisu, prema nultoj hipotezi u ovoj situaciji.

Stoga se nulta hipoteza može matematički napisati kao H0: 1 – 2 = 0, gdje je 1 prosječna bol u vratu onih koji su dobili intervenciju, a 2 je prosječna bol u vratu onih koji nisu.

Nakon prikupljanja informacija, istraživači pokreću statističke testove kako bi vidjeli potvrđuju li dokazi ili opovrgavaju nultu hipotezu. Istraživači mogu odbaciti nultu hipotezu u korist alternativne hipoteze ako podaci proturječe nultoj hipotezi i pokazuju značajnu razliku ili vezu.

Nemojte ovo raditi

Važno je naglasiti da alternativna hipoteza nije dokazana odbacivanjem nulte hipoteze. Umjesto toga, tvrdi se da bi podaci mogli sugerirati da se alternativna hipoteza smatra uvjerljivijim objašnjenjem. Obično alternativna hipoteza tvrdi da postoji razlika ili veza između relevantnih varijabli.

U stvarnom životu, istraživači analiziraju vjerojatnost dobivanja prijavljenih rezultata pod nultom hipotezom pomoću različitih statističkih testova, kao što su t-testovi ili hi-kvadrat testovi. Istraživači odbacuju nultu hipotezu i istražuju alternativnu hipotezu ako vjerojatnost padne ispod unaprijed postavljene razine značajnosti, obično označene kao alfa (α) , najčešće 0,05.

Čin testiranja hipoteza bitan je za znanstveno istraživanje jer omogućuje istraživačima donošenje prosudbi na temelju empirijskih podataka. Istraživači mogu povećati znanje i pridonijeti razumijevanju mnogih fenomena metodičnim analiziranjem i propitivanjem nulte hipoteze.

Problemi s testiranjem nulte hipoteze

Jedna značajna kritika je da često zanemaruje veličinu učinka i kliničku važnost u korist koncentriranja samo na statističku značajnost. Statistička značajnost ne otkriva veličinu ili značaj učinka koji je viđen; samo govori je li vjerojatno da se nalaz dogodio slučajno. Testiranje velikih skupova podataka može rezultirati značajnim rezultatima (odbacivanjem H0) za najmanje razlike.

Idemo dalje na prethodni primjer. Zanima vas VAS (vizualna analogna ljestvica) za post-tretman boli za dvije intervencije za bol u vratu. Imate oko 1000 pacijenata po grupi. Grupa A ima prosjek od 2,2/10 naknadnog tretmana, a grupa B 2,4/10. S obzirom na to da su grupe tako velike, šanse su da ova malena razlika rezultira značajnom razlikom kod testiranja nulte hipoteze. Međutim, 0,2/10 razlike teško da je relevantno. Po kliničkom značaju ove dvije skupine su jednake.

Drugi problem je što bi nulta hipoteza mogla biti odbijena ili prihvaćena, što može dovesti do binarne interpretacije podataka. Ovaj dihotomni pristup mogao bi previše pojednostaviti komplicirane pojave i propustiti sitnije detalje podataka.

Nadalje, dok se ne pobije, testiranje nulte hipoteze pretpostavlja da je nulta hipoteza istinita. To može dovesti do pristranosti u korist nulte hipoteze i dovesti do moguće sljepoće za potencijalno značajne učinke.

Protivnici tvrde da alternativne metode kao što je izvješćivanje o veličini učinka ili Bayesova statistika mogu ponuditi temeljitiju i poučniju provjeru rezultata studija, omogućujući bolje razumijevanje relevantnosti i praktičnih posljedica nalaza.

Sažetak

Nulta hipoteza, koja tvrdi da ne postoji značajna razlika ili povezanost između varijabli od interesa, djeluje kao zadana pretpostavka u istraživačkom istraživanju. Kako bi se odbacila nulta hipoteza u korist alternativne, podaci bi trebali biti nekompatibilni s nultom hipotezom, pokazujući značajnu razliku. Znanstvenici mogu poboljšati hipoteze, istražiti nove koncepte i produbiti naše razumijevanje svijeta kroz testiranje hipoteza. Međutim, postoji velika skupina kritičara protiv testiranja nulte hipoteze. Nije bez mana.

Neyman, J., & Pearson, E. S. (1933). O problemima najučinkovitijih testova statističkih hipoteza. Philosophical Transactions of the Royal Society of London, 231A, 289–338. https://doi.org/10.1098/rsta.1933.0009

GRAVES, SPENCER (1978). O Neyman–Pearsonovoj teoriji testiranja. Britanski časopis za filozofiju znanosti, 29(1), 1–24. doi:10.1093/bjps/29.1.1 

Quintana, D.S., Williams, D.R. Bayesove alternative za uobičajene testove značajnosti nulte hipoteze u psihijatriji: netehnički vodič koji koristi JASP. BMC Psychiatry 18, 178 (2018). https://doi.org/10.1186/s12888-018-1761-4

Burnhamm i Anderson, P vrijednosti su samo indeks za dokaz: 20.- vs. Statistička znanost 21. stoljeća. Ekologija (2014), https://doi.org/10.1890/13-1066.1