Ipoteza nulă | Statistică

O ipoteză nulă este esențială pentru cercetarea științifică, deoarece constituie baza investigațiilor de cercetare. Pe lângă faptul că oferă cercetătorilor un punct de plecare, aceasta le permite să dezvolte ipoteze alternative care pot fi testate și evaluate.

Rolul ipotezei nule

Examinarea relației dintre variabile sau aflarea existenței unor variații între grupuri este frecvent importantă în studiile științifice. Conform ipotezei nule, de multe ori nu există nicio diferență sau legătură vizibilă între variabilele investigate. Aceasta denotă absența unei relații între componentele relevante sau a unui efect între acestea.

Cercetătorii creează ipoteza nulă pentru a servi drept punct de referință pentru compararea rezultatelor lor. Reprezentată de obicei prin simbolul H0, această ipoteză servește drept referință pentru determinarea semnificației statistice a rezultatelor studiului.

Exemplu

Pentru a clarifica mai bine această idee, să folosim ca exemplu un studiu privind efectele unui nou program de intervenție asupra durerii nespecifice de gât. Este posibil să nu existe o diferență perceptibilă în ceea ce privește durerea de gât între pacienții care beneficiază de intervenție și cei care nu beneficiază de intervenție, conform ipotezei nule în această situație.

Astfel, ipoteza nulă poate fi scrisă matematic ca H0: 1 - 2 = 0, unde 1 este durerea medie de gât a celor care beneficiază de intervenție, iar 2 este durerea medie de gât a celor care nu beneficiază de intervenție.

După colectarea informațiilor, cercetătorii efectuează teste statistice pentru a vedea dacă dovezile confirmă sau infirmă ipoteza nulă. Cercetătorii pot respinge ipoteza nulă în favoarea unei ipoteze alternative dacă datele contrazic ipoteza nulă și arată o diferență sau o legătură semnificativă.

Nu face asta

Este important să subliniem faptul că ipoteza alternativă nu este demonstrată prin respingerea ipotezei nule. În schimb, susține că datele ar putea sugera ca ipoteza alternativă să fie considerată o explicație mai plauzibilă. De obicei, ipoteza alternativă susține că există o distincție sau o legătură între variabilele relevante.

În viața reală, cercetătorii analizează probabilitatea de a obține rezultatele raportate în ipoteza nulă prin utilizarea diferitelor teste statistice, cum ar fi testele t sau testele chi-pătrat. Cercetătorii resping ipoteza nulă și explorează ipoteza alternativă dacă probabilitatea scade sub un nivel de semnificație prestabilit, denumit în mod obișnuit alfa (α), cel mai adesea 0,05.

Testarea ipotezelor este esențială pentru cercetarea științifică, deoarece permite cercetătorilor să formuleze judecăți bazate pe date empirice. Cercetătorii pot spori cunoștințele și pot contribui la înțelegerea multor fenomene prin analizarea metodică și punerea la îndoială a ipotezei nule.

Probleme legate de testarea ipotezei Null

O critică semnificativă este aceea că ignoră frecvent dimensiunile efectului și semnificația clinică în favoarea concentrării doar asupra semnificației statistice. Semnificația statistică nu relevă dimensiunea sau semnificația efectului observat; aceasta spune doar dacă este probabil ca o constatare să se fi produs din întâmplare. Testarea unor seturi uriașe de date poate duce la rezultate semnificative (respingerea H0) pentru cele mai mici diferențe.

Să mergem mai departe cu exemplul anterior. Sunteți interesat de VAS (scara vizuală analogică) pentru durerea post-tratament pentru două intervenții pentru durerea cervicală. Aveți aproximativ 1000 de pacienți pe grup. Grupul A are o medie de 2,2/10 post-tratament, iar grupul B 2,4/10. Având în vedere că grupurile sunt atât de mari, există șanse ca această mică diferență să aibă ca rezultat o diferență semnificativă în cazul testării cu ipoteză nulă. Cu toate acestea, o diferență de 0,2/10 nu este relevantă. În ceea ce privește semnificația clinică, aceste două grupuri sunt egale.

O altă problemă este că ipoteza nulă poate fi respinsă sau acceptată, ceea ce poate conduce la o interpretare binară a datelor. Această abordare dihotomică ar putea simplifica în mod excesiv evenimentele complicate și ar putea omite detaliile mai fine ale datelor.

În plus, până la infirmare, testarea ipotezei nule presupune că ipoteza nulă este adevărată. Acest lucru poate duce la o prejudecată în favoarea ipotezei nule și poate duce la orbirea efectelor potențial semnificative.

Oponenții susțin că metodele alternative, cum ar fi raportarea mărimii efectului sau statisticile bayesiene, pot oferi o examinare mai aprofundată și mai instructivă a rezultatelor studiilor, permițând o mai bună înțelegere a relevanței și a consecințelor practice ale constatărilor.

Rezumat

Ipoteza nulă, care afirmă că nu există nicio diferență sau asociere semnificativă între variabilele de interes, acționează ca ipoteză implicită într-o investigație de cercetare. Pentru a respinge ipoteza nulă în favoarea unei ipoteze alternative, datele trebuie să fie incompatibile cu ipoteza nulă, arătând o diferență semnificativă. Oamenii de știință pot îmbunătăți ipotezele, investiga concepte noi și aprofunda înțelegerea noastră a lumii prin testarea ipotezelor. Cu toate acestea, există un grup mare de critici împotriva testării ipotezei nule. Nu este lipsit de defecte.

Neyman, J., & Pearson, E. S. (1933). Cu privire la problema celor mai eficiente teste ale ipotezelor statistice. Philosophical Transactions of the Royal Society of London, 231A, 289-338. https://doi.org/10.1098/rsta.1933.0009

GRAVES, SPENCER (1978). Despre teoria Neyman-Pearson a testării. 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. Alternative bayesiene pentru testele comune de semnificație a ipotezelor nule în psihiatrie: un ghid non-tehnic utilizând JASP. BMC Psychiatry 18, 178 (2018). https://doi.org/10.1186/s12888-018-1761-4

Burnhamm și Anderson, valorile P sunt doar un indice al dovezilor: 20- vs. Știința statistică a secolului XXI. Ecologie (2014), https://doi.org/10.1890/13-1066.1