Hva er en nullhypotese?

Gå til

Finn denne wikien på Physiotutors-plattformen Bli medlem

Lære

Nullhypotese | Statistikk

En nullhypotese er vesentlig for vitenskapelige undersøkelser siden den danner grunnlaget for forskningsundersøkelser. I tillegg til å gi forskerne et sted å starte, gjør det dem i stand til å utvikle alternative hypoteser som kan settes på prøve og vurderes.

Nullhypotesens rolle

Å undersøke forholdet mellom variabler eller finne ut om det er variasjoner mellom grupper er ofte viktig i vitenskapelige studier. I følge nullhypotesen er det ofte ingen merkbar forskjell eller sammenheng mellom variablene som undersøkes. Det angir fraværet av et forhold mellom de relevante komponentene eller en effekt mellom dem.

Forskere lager nullhypotesen for å tjene som et referansepunkt for sammenligning av funnene deres. Vanligvis representert med symbolet H0, tjener denne hypotesen som en målestokk for å bestemme den statistiske signifikansen av studiens funn.

Eksempel

La oss bruke en studie om effekten av et nytt intervensjonsprogram på ikke-spesifikke nakkesmerter som et eksempel for å klargjøre denne ideen ytterligere. Det er kanskje ikke en merkbar forskjell i nakkesmerter mellom pasienter som mottar intervensjonen og de som ikke gjør det, ifølge nullhypotesen i denne situasjonen.

Dermed kan nullhypotesen skrives matematisk som H0: 1 – 2 = 0, hvor 1 er gjennomsnittlig nakkesmerter for de som får inngrepet, og 2 er gjennomsnittlig nakkesmerter for de som ikke får det.

Etter å ha samlet informasjon, kjører forskerne statistiske tester for å se om bevisene bekrefter eller avkrefter nullhypotesen. Forskere kan forkaste nullhypotesen til fordel for en alternativ hypotese hvis dataene motsier nullhypotesen og viser en signifikant forskjell eller kobling.

Ikke gjør dette

Det er viktig å markere at den alternative hypotesen ikke demonstreres av nullhypotesens avvisning. I stedet argumenterer det for at dataene kan foreslå at den alternative hypotesen anses som en mer plausibel forklaring. Vanligvis hevder den alternative hypotesen at det er et skille eller sammenheng mellom de relevante variablene.

I det virkelige liv analyserer forskere sannsynligheten for å oppnå de rapporterte resultatene under nullhypotesen ved å bruke ulike statistiske tester, for eksempel t-tester eller kjikvadrat-tester. Forskere avviser nullhypotesen og utforsker den alternative hypotesen hvis sannsynligheten faller under et forhåndsinnstilt signifikansnivå, vanligvis betegnet som alfa (α) , oftest 0,05.

Handlingen med å teste hypoteser er avgjørende for vitenskapelige undersøkelser fordi den gjør det mulig for forskere å gjøre vurderinger basert på empiriske data. Forskere kan øke kunnskapen og bidra til forståelsen av mange fenomener ved å metodisk analysere og stille spørsmål ved nullhypotesen.

Problemer med nullhypotesetesting

En betydelig kritikk er at den ofte ignorerer effektstørrelser og klinisk signifikans til fordel for kun å konsentrere seg om statistisk signifikans. Statistisk signifikans avslører ikke størrelsen eller signifikansen av effekten som ble sett; den forteller bare om et funn sannsynligvis har skjedd ved en tilfeldighet. Testing av enorme datasett kan resultere i betydelige resultater (avvisning av H0) for de minste forskjellene.

La oss gå videre på det forrige eksemplet. Du er interessert i VAS (visuell analog skala) for smerte etterbehandling for to intervensjoner for nakkesmerter. Du har ca 1000 pasienter per gruppe. Gruppe A har et gjennomsnitt på 2,2/10 etter behandling, og gruppe B 2,4/10. Gitt at gruppene er så store, er sjansen stor for at denne lille forskjellen resulterer i en signifikant forskjell med nullhypotesetesting. Imidlertid er 0,2/10 av en forskjell neppe relevant. Når det gjelder klinisk betydning, er disse to gruppene like.

Et annet problem er at nullhypotesen kan bli avvist eller akseptert, noe som kan føre til en binær tolkning av dataene. Denne dikotome tilnærmingen kan forenkle kompliserte hendelser og gå glipp av de finere detaljene i dataene.

Videre, inntil den er motbevist, antar nullhypotesetesting at nullhypotesen er sann. Dette kan føre til en skjevhet til fordel for nullhypotesen og føre til mulig blindhet for potensielt signifikante effekter.

Motstandere hevder at alternative metoder som rapportering av effektstørrelse, eller Bayesiansk statistikk, kan tilby en mer grundig og lærerik undersøkelse av studieresultater, noe som muliggjør en bedre forståelse av relevansen og de praktiske konsekvensene av funnene.

Sammendrag

Nullhypotesen, som sier at det ikke er noen signifikant forskjell eller assosiasjon mellom variablene av interesse, fungerer som standardantakelsen i en forskningsundersøkelse. For å avvise nullhypotesen til fordel for en alternativ, bør dataene være inkompatible med nullhypotesen, og vise en signifikant forskjell. Forskere kan forbedre hypoteser, undersøke nye konsepter og utdype vår forståelse av verden gjennom hypotesetesting. Imidlertid eksisterer det en stor gruppe kritikere mot nullhypotesetesting. Det er ikke uten sine mangler.