Нулл Хипотхесис | Статистика

Нул хипотеза је од суштинског значаја за научно истраживање јер чини основу за истраживања. Поред тога што истраживачима даје место за почетак, то им омогућава да развију алтернативне хипотезе које се могу тестирати и проценити.

Улога нулте хипотезе

Испитивање односа између варијабли или откривање да ли постоје варијације између група често је важно у научним студијама. Према нултој хипотези, често не постоји уочљива разлика или повезаност између варијабли које се истражују. Означава одсуство односа између релевантних компоненти или ефекта између њих.

Истраживачи креирају нулту хипотезу која служи као референтна тачка за поређење њихових налаза. Обично представљена симболом Х0, ова хипотеза служи као репер за одређивање статистичке важности налаза студије.

Пример

Хајде да користимо студију о ефектима новог програма интервенције на неспецифичан бол у врату као пример да додатно разјаснимо ову идеју. Можда неће бити приметне разлике у боловима у врату између пацијената који примају интервенцију и оних који не примају интервенцију, према нултој хипотези у овој ситуацији.

Дакле, нулта хипотеза се може математички написати као Х0: 1 – 2 = 0, где је 1 просечан бол у врату оних који добијају интервенцију, а 2 је просечан бол у врату оних који нису.

Након прикупљања информација, истраживачи спроводе статистичке тестове да виде да ли докази потврђују или оповргавају нулту хипотезу. Истраживачи могу одбацити нулту хипотезу у корист алтернативне хипотезе ако су подаци у супротности са нултом хипотезом и показују значајну разлику или везу.

Не ради ово

Значајно је нагласити да се алтернативна хипотеза не показује одбијањем нулте хипотезе. Уместо тога, он тврди да би подаци могли да сугеришу да се алтернативна хипотеза сматра уверљивијим објашњењем. Обично алтернативна хипотеза тврди да постоји разлика или веза између релевантних варијабли.

У стварном животу, истраживачи анализирају вероватноћу добијања пријављених резултата под нултом хипотезом користећи различите статистичке тестове, као што су т-тестови или хи-квадрат тестови. Истраживачи одбацују нулту хипотезу и истражују алтернативну хипотезу ако вероватноћа падне испод унапред постављеног нивоа значаја, који се обично означава као алфа (α) , најчешће 0,05.

Чин тестирања хипотеза је од суштинског значаја за научно истраживање јер омогућава истраживачима да доносе пресуде на основу емпиријских података. Истраживачи могу да повећају знање и допринесу разумевању многих феномена методичном анализом и довођењем у питање нулте хипотезе.

Проблеми са тестирањем нулте хипотезе

Једна значајна критика је да често игнорише величину ефекта и клинички значај у корист концентрисања само на статистичку значајност. Статистичка значајност не открива величину или значај ефекта који је уочен; то само говори да ли се налаз вероватно догодио случајно. Тестирање огромних скупова података може довести до значајних резултата (одбацивање Х0) за најситније разлике.

Идемо даље на претходни пример. Занима вас ВАС (визуелна аналогна скала) за посттретман болова за две интервенције за бол у врату. Имате око 1000 пацијената по групи. Група А има просек после третмана 2,2/10, а група Б 2,4/10. С обзиром на то да су групе тако велике, велике су шансе да ова мала разлика резултира значајном разликом са тестирањем нулте хипотезе. Међутим, 0,2/10 разлике тешко да је релевантно. По клиничком значају ове две групе су једнаке.

Други проблем је што нулта хипотеза може бити одбачена или прихваћена, што може довести до бинарне интерпретације података. Овај дихотомни приступ могао би превише поједноставити компликоване појаве и пропустити ситније детаље података.

Штавише, док се не оповргне, тестирање нулте хипотезе претпоставља да је нулта хипотеза тачна. Ово може довести до пристрасности у корист нулте хипотезе и довести до могућег слепила за потенцијално значајне ефекте.

Противници тврде да алтернативне методе као што је извештавање о величини ефекта или Бајесова статистика могу понудити темељније и поучније испитивање резултата студије, омогућавајући боље разумевање релевантности и практичних последица налаза.

Резиме

Нул хипотеза, која каже да не постоји значајна разлика или повезаност између варијабли од интереса, делује као подразумевана претпоставка у истраживању истраживања. Да би се одбацила нулта хипотеза у корист алтернативне, подаци би требало да буду некомпатибилни са нултом хипотезом, показујући значајну разлику. Научници могу побољшати хипотезе, истражити нове концепте и продубити наше разумевање света кроз тестирање хипотеза. Међутим, постоји велика група критичара против тестирања нулте хипотезе. Није без мана.

Неиман, Ј., & Пеарсон, Е.С. (1933). О проблемима најефикаснијих провера статистичких хипотеза. Пхилосопхицал Трансацтионс оф тхе Роиал Социети оф Лондон, 231А, 289–338. хттпс://дои.орг/10.1098/рста.1933.0009

ГРАВЕС, СПЕНЦЕР (1978). О Неиман-Пеарсоновој теорији тестирања. Тхе Бритисх Јоурнал фор тхе Пхилосопхи оф Сциенце, 29(1), 1–24. дои:10.1093/бјпс/29.1.1 

Куинтана, Д.С., Виллиамс, Д.Р. Бајесове алтернативе за уобичајене тестове значаја нулте хипотезе у психијатрији: нетехнички водич који користи ЈАСП. БМЦ Психијатрија 18, 178 (2018). хттпс://дои.орг/10.1186/с12888-018-1761-4

Бурнхамм и Андерсон, П вредности су само индекс за доказ: 20тх- вс. Статистичка наука 21. века. Екологија (2014), хттпс://дои.орг/10.1890/13-1066.1