Language
Country/Area
No result found
打破传统的界限：虚无假设与替代假设的神秘关系是什么？
在科学研究中，虚无假设（通常简称为 H0）是指研究的效应不存在的主张。虚无假设可以被描述为在分析中没有两组数据或变量之间的关系。如果虚无假设为真，则任何实验上观察到的效应都只是偶然的，因此得名“虚无”。与之相对的是替代假设，这一假设则主张两个变量之间确实存在关系。
虚无假设和替代假设是用于统计检验的推测类型，这些推测是在统计推论中扮演重要角色的方法。
在统计显著性检验中，检验的陈述被称为虚无假设。显著性检验旨在评估与虚无假设的证据强度，或无效应或无差异的陈述。其通常用符号 H0 表示。被测试的陈述则是替代假设，符号可能包括 H1 和 Ha。
当我们考虑男性和女性两个随机样本的考试成绩时，我们可能会想知道哪一组的分数更好。一个可能的虚无假设是男性平均分数等于女性的平均分数： H0：μ1 = μ2，其中 H0 代表虚无假设，μ1 代表群体 1 的均值，而 μ2 代表群体 2 的均值。
术语解释
在统计学中，简单假设是指完全指定人口分布的假设。相对于之下，复合假设是一种不完全指定人口分布的假设。举例来说，一个指定正常分布的假设，包括特定均值和不指定的方差，这就是复合假设。按照 Neyman 和 Pearson 的说法，这一区分广泛应用于统计检验。
精确假设是指定确切参数值的假设，而不精确假设则指定一个参数范围或区间。
XXX
检验和推论
虚无假设是测量数量为零（虚无）的预设假设。通常要测量的数量是两种情况之间的差异。这种假设通常被视为在某种程度上可能为真。执行多重分析可以显示虚无假设应该被拒绝或排除的证据，这种证据通常体现在高置信区间中。未能排除虚无假设本身并不逻辑上确认或支持该虚无假设，因为数据可能已经显示出一种（虽然不强的）非虚无的指示。
统计推断可以在不使用虚无假设的情况下进行，通过为每个候选假设指定统计模型，并利用模型选择技术来选择最合适的模型。
例如，在临床研究中，随机对照试验可能是检验新药物有效性的金标准。但在对于某些严重疾病的情况下，对无效安慰剂的检验可能不道德。这使得选择虚无假设的过程变得复杂，因为它必须考虑科技与伦理的交集。
方向性影响
当进行检验时，假设的方向性（即单尾检验和双尾检验的区分）是至关重要的。考虑一下投掷硬币是否公平的问题，假设我们的虚无假设是“这个硬币不是偏向头的。”如果我们的检测结果与此虚无假设相反，我们会因此排除它。这就承认了统计检验可能因虚无假设的具体表述而得出不同结论。
统计显著性测试和置信区间之间有着丰富的数学关联，它们彼此互相启发。
这也反映出显著性检测的弱点：即使数据量充足，弱的关系也可能显示显著性。报告显著性和置信区间的搭配是常见的建议。
在设置虚无假设时，选择虚无假设的过程通常伴随着不一致的指导，这使得很多研究者无法明确界定他们的假设。这样的选择可能会直接影响最终的分析结果与结论。
换句话说，科学研究中虚无假设与替代假设的紧密关联似乎未必是表面上看起来的那么简单，构建这两个假设的过程背后，到底潜藏着怎样的思考逻辑和实证道德呢？
