สมมติฐานว่าง | สถิติ

สมมติฐานว่างถือเป็นสิ่งจำเป็นต่อการสอบถามทางวิทยาศาสตร์ เนื่องจากเป็นพื้นฐานสำหรับการสอบถามวิจัย นอกเหนือจากการให้นักวิจัยมีจุดเริ่มต้นแล้ว ยังช่วยให้นักวิจัยสามารถพัฒนาสมมติฐานทางเลือกที่อาจนำไปทดสอบและประเมินได้อีกด้วย

บทบาทของสมมติฐานว่าง

การตรวจสอบความสัมพันธ์ระหว่างตัวแปรหรือการหาว่ามีการเปลี่ยนแปลงระหว่างกลุ่มหรือไม่มักมีความสำคัญในการศึกษาทางวิทยาศาสตร์ ตามสมมติฐานว่าง หลายครั้งไม่มีความแตกต่างหรือการเชื่อมโยงที่มองเห็นได้ระหว่างตัวแปรภายใต้การสอบสวน หมายถึงการไม่มีความสัมพันธ์ระหว่างส่วนประกอบที่เกี่ยวข้องหรือผลที่เกิดขึ้นระหว่างกัน

นักวิจัยสร้างสมมติฐานว่างเพื่อใช้เป็นจุดอ้างอิงสำหรับการเปรียบเทียบผลการค้นพบของพวกเขา โดยทั่วไปจะแสดงด้วยสัญลักษณ์ H0 สมมติฐานนี้ทำหน้าที่เป็นเกณฑ์มาตรฐานในการกำหนดความสำคัญทางสถิติของผลการศึกษา

ตัวอย่าง

มาใช้การศึกษาวิจัยผลกระทบของโปรแกรมการแทรกแซงใหม่ต่ออาการปวดคอแบบไม่เฉพาะเจาะจงเป็นตัวอย่างเพื่อชี้แจงแนวคิดนี้เพิ่มเติม อาจไม่มีความแตกต่างที่เห็นได้ชัดในอาการปวดคอระหว่างผู้ป่วยที่ได้รับการแทรกแซงและผู้ป่วยที่ไม่ได้รับการแทรกแซง ตามสมมติฐานว่างในสถานการณ์นี้

ดังนั้นสมมติฐานว่างสามารถเขียนทางคณิตศาสตร์ได้เป็น H0: 1 – 2 = 0 โดยที่ 1 คืออาการปวดคอโดยเฉลี่ยของผู้ที่ได้รับการแทรกแซง และ 2 คืออาการปวดคอโดยเฉลี่ยของผู้ที่ไม่ได้รับการแทรกแซง

หลังจากรวบรวมข้อมูลแล้ว นักวิจัยจะทำการทดสอบทางสถิติเพื่อดูว่าหลักฐานยืนยันหรือหักล้างสมมติฐานว่างหรือไม่ นักวิจัยอาจปฏิเสธสมมติฐานว่างเพื่อสนับสนุนสมมติฐานอื่นหากข้อมูลขัดแย้งกับสมมติฐานว่างและแสดงให้เห็นถึงความแตกต่างหรือความเชื่อมโยงที่สำคัญ

อย่าทำสิ่งนี้

สิ่งสำคัญคือต้องเน้นย้ำว่าสมมติฐานทางเลือก ไม่ได้ รับการพิสูจน์โดยการปฏิเสธสมมติฐานว่าง ตรงกันข้าม มีการโต้แย้งว่าข้อมูลอาจแนะนำสมมติฐานทางเลือกที่จะถือเป็นคำอธิบายที่น่าเชื่อได้มากกว่า โดยทั่วไปสมมติฐานทางเลือกจะอ้างว่ามีการแยกแยะหรือการเชื่อมโยงระหว่างตัวแปรที่เกี่ยวข้อง

ในชีวิตจริง นักวิจัยวิเคราะห์ความน่าจะเป็นในการได้รับผลลัพธ์ที่รายงานภายใต้สมมติฐานว่างโดยใช้การทดสอบสถิติต่าง ๆ เช่น การทดสอบ t หรือการทดสอบไคสแควร์ นักวิจัยปฏิเสธสมมติฐานว่างและสำรวจสมมติฐานทางเลือกหากความน่าจะเป็นลดลงต่ำกว่าระดับนัยสำคัญที่กำหนดไว้ล่วงหน้า ซึ่งโดยทั่วไปแสดงเป็น อัลฟา (α) ซึ่งส่วนใหญ่มักจะเป็น 0.05

การทดสอบสมมติฐานถือเป็นสิ่งจำเป็นต่อการสอบสวนทางวิทยาศาสตร์ เนื่องจากช่วยให้นักวิจัยสามารถตัดสินใจโดยอ้างอิงจากข้อมูลเชิงประจักษ์ได้ นักวิจัยสามารถเพิ่มพูนความรู้และมีส่วนร่วมในการทำความเข้าใจปรากฏการณ์ต่างๆ มากมายได้โดยการวิเคราะห์และตั้งคำถามต่อสมมติฐานว่างอย่างเป็นระบบ

ปัญหาในการทดสอบสมมติฐานว่าง

ข้อวิพากษ์วิจารณ์ที่สำคัญประการหนึ่งก็คือ มักจะละเลย ขนาดของผล และความสำคัญทางคลินิกโดยเลือกที่จะมุ่งเน้นแต่ความสำคัญทางสถิติเพียงอย่างเดียว ความสำคัญทางสถิติไม่ได้เปิดเผยขนาดหรือความสำคัญของผลกระทบที่พบเห็น มันแค่บอกได้ว่าผลลัพธ์นั้นมีแนวโน้มที่จะเกิดขึ้นโดยบังเอิญหรือไม่ การทดสอบชุดข้อมูลขนาดใหญ่สามารถให้ผลลัพธ์ที่มีนัยสำคัญ (ปฏิเสธ H0) สำหรับความแตกต่างที่เล็กน้อยที่สุด

มาดูตัวอย่างก่อนหน้ากันต่อดีกว่า คุณสนใจ VAS (มาตราภาพแอนะล็อก) สำหรับการบรรเทาอาการปวดหลังการรักษา 2 ครั้งสำหรับอาการปวดคอ คุณมีผู้ป่วยประมาณ 1,000 รายต่อกลุ่ม กลุ่ม A มีคะแนนเฉลี่ยหลังการรักษา 2.2/10 และกลุ่ม B 2.4/10 เมื่อพิจารณาว่ากลุ่มมีขนาดใหญ่มาก โอกาสที่ความแตกต่างเล็กๆ น้อยๆ นี้จะส่งผลให้เกิดความแตกต่างอย่างมีนัยสำคัญในการทดสอบสมมติฐานว่างก็มีสูง อย่างไรก็ตาม ความแตกต่าง 0.2/10 นั้นแทบจะไม่เกี่ยวข้องเลย เมื่อพิจารณาถึงความสำคัญทางคลินิกแล้ว ทั้งสองกลุ่มนี้มีความเท่าเทียมกัน

ปัญหาอีกประการหนึ่งก็คือสมมติฐานว่างอาจถูกปฏิเสธหรือยอมรับ ซึ่งอาจนำไปสู่การตีความข้อมูลแบบไบนารีได้ แนวทางแบบแบ่งแยกนี้จะทำให้เหตุการณ์ที่ซับซ้อนดูง่ายเกินไป และพลาดรายละเอียดปลีกย่อยของข้อมูล

ยิ่งไปกว่านั้น จนกว่าจะมีการพิสูจน์ว่าผิด การทดสอบสมมติฐานว่างจะถือว่าสมมติฐานว่างเป็นจริง สิ่งนี้อาจทำให้เกิดอคติในความโปรดปรานสมมติฐานว่างและนำไปสู่การมองไม่เห็นผลกระทบที่อาจเกิดขึ้นอย่างมีนัยสำคัญ

ผู้ต่อต้านโต้แย้งว่าวิธีทางเลือก เช่น การรายงานขนาดผลกระทบหรือสถิติเบย์เซียน สามารถให้การตรวจสอบผลการศึกษาได้ละเอียดถี่ถ้วนและสร้างสรรค์มากขึ้น ทำให้เข้าใจความเกี่ยวข้องและผลที่ตามมาในทางปฏิบัติของการค้นพบได้ดีขึ้น

สรุป

สมมติฐานว่าง ซึ่งระบุว่าไม่มีความแตกต่างหรือความสัมพันธ์อย่างมีนัยสำคัญระหว่างตัวแปรที่สนใจ ทำหน้าที่เป็นสมมติฐานเริ่มต้นในการสืบสวนวิจัย เพื่อที่จะปฏิเสธสมมติฐานว่างเพื่อสนับสนุนสมมติฐานอื่น ข้อมูลจะต้องไม่เข้ากันกับสมมติฐานว่าง และแสดงให้เห็นความแตกต่างอย่างมีนัยสำคัญ นักวิทยาศาสตร์สามารถปรับปรุงสมมติฐาน ตรวจสอบแนวคิดใหม่ๆ และเพิ่มความเข้าใจของเราเกี่ยวกับโลกผ่านการทดสอบสมมติฐาน อย่างไรก็ตาม มีกลุ่มนักวิจารณ์จำนวนมากที่ต่อต้านการทดสอบสมมติฐานว่าง มันก็มีข้อบกพร่องอยู่เหมือนกัน

เนย์แมน, เจ. และ เพียร์สัน, อี. เอส. (1933). เกี่ยวกับปัญหาการทดสอบสมมติฐานทางสถิติที่มีประสิทธิภาพสูงสุด ธุรกรรมเชิงปรัชญาของ Royal Society of London, 231A, 289–338. https://doi.org/10.1098/rsta.1933.0009

เกรฟส์ สเปนเซอร์ (1978). เกี่ยวกับทฤษฎีการทดสอบของ Neyman–Pearson วารสารปรัชญาแห่งวิทยาศาสตร์อังกฤษ 29(1), 1–24.  doi:10.1093/bjps/29.1.1 

ควินทานา, ดี.เอส., วิลเลียมส์, ดี.อาร์. ทางเลือกแบบเบย์เซียนสำหรับการทดสอบนัยสำคัญของสมมติฐานว่างทั่วไปในจิตเวชศาสตร์: คู่มือที่ไม่ใช่เชิงเทคนิคโดยใช้ JASP จิตเวชศาสตร์บีเอ็มซี 18, 178 (2018). https://doi.org/10.1186/s12888-018-1761-4

Burnhamm และ Anderson ค่า P เป็นเพียงดัชนีสำหรับหลักฐานเท่านั้น: วันที่ 20 เทียบกับ สถิติศาสตร์แห่งศตวรรษที่ 21 นิเวศวิทยา (2014), https://doi.org/10.1890/13-1066.1