Věda nefunguje na dohadech. Opírá se o strukturované předpovědi. Zejména je založen na hypotézách. Ale ne všechny hypotézy jsou stejné. Chcete-li se rozhodnout, jaký typ hypotézy použít ve svém výzkumu, musíte pochopit rozdíl mezi nulovou hypotézou, alternativní hypotézou a výzkumnou hypotézou.
Hypotéza je jednoduše možná, objektivní a přesná odpověď na vědeckou otázku. Odstín? Musí to být ověřitelné. Musíte být schopni dokázat, že je to nepravdivé nebo pravdivé. Bez možnosti to potvrdit nebo vyvrátit je to jen názor.
Hlavní typy jsou klasifikovány následovně.
Výzkumná hypotéza
To je první věc, která většinu lidí napadne. Výzkumná hypotéza (někdy nazývaná pracovní hypotéza) je váš nejlepší odhad výsledku. Jde o popis očekávaných vztahů mezi proměnnými.
Pokud studujete vliv spánku na paměť, vaše výzkumná hypotéza by mohla znít: „Lidé, kteří spí 8 hodin, si pamatují více faktů než lidé, kteří spí 4 hodiny.“
Je velmi přímá. Je specifická. To je to, co chcete objevit. Ale rigorózní věda to jen zřídka testuje přímo, aniž by zvážila opak.
Nulová hypotéza
Do hry vstupuje nulová hypotéza. Toto je nejčastěji nepochopená část statistického testování. Nulová hypotéza říká, že mezi proměnnými neexistuje žádný vztah.
Na příkladu spánku nulová hypotéza uvádí, že není žádný rozdíl v uchování paměti mezi lidmi, kteří spí 8 hodin, a lidmi, kteří spí 4 hodiny.
Proč by to mělo vědce zajímat? Protože věda postupuje tím, že věci vyvrací. Začněte s předpokladem, že se nic nestalo. Pokud jsou data dostatečně silná, můžete nulovou hypotézu zamítnout. Pokud to nedokážete odmítnout, pravděpodobně říkáte, že se nic důležitého neděje. Jedná se o ochranné opatření, které má zabránit tomu, aby se v hluku objevovaly vzory.
Alternativní hypotéza
Odmítnutí nulové hypotézy nám dává alternativní hypotézu. To je logický opak nuly. Pokud mají data významný vliv, stává se závěrem.
V naší studii spánku, pokud je nulová hodnota „žádný rozdíl“, pak alternativou je „existuje rozdíl“. Není nutně směrová (jako výzkumná hypotéza), pouze naznačuje, že existuje vztah.
Statistické hypotézy
Můžete slyšet termín statistické hypotézy. Toto je širší pojem. To se týká prohlášení o parametru populace, který je testován. Nulová hypotéza a alternativní hypotéza jsou typy statistických hypotéz.
Berte to jako zastřešující termín. Když provádíte t-test nebo chí-kvadrát test, technicky testujete statistickou hypotézu.
Proč je toto rozlišení důležité
Možná se divíte, proč pro podobné koncepty potřebujeme tolik štítků. Odpověď spočívá v jasnosti.
Jasným vyjádřením vaší výzkumné hypotézy víte, co hledáte. Pokud jasně řeknete svou nulovou hypotézu, víte, co chcete vyvrátit. Vaše analýza dat se změní v chaos.
- Výzkumná hypotéza : Vaše vlastní předpověď.
- Nulová hypotéza : Hypotéza, že neexistuje žádný účinek.
- Alternativní hypotéza : Závěr, pokud je zamítnuta nulová hypotéza.
Pochopení toho, jak se vzájemně ovlivňují, může zabránit nedbalé vědě.
Většina lidí věří, že výzkum začíná jednoduchým předpokladem. Ale věda funguje jinak. Výzkum často zahrnuje více předpokladů. Neexistují izolovaně. Vzájemně se ovlivňují.
Projekty řídí pracovní hypotéza. Ona je hlavním motorem. Ale spoléhá na záložní systémy, aby prokázaly svou hodnotu. Nulová hypotéza, alternativní hypotéza a statistická hypotéza fungují jako filtry. Eliminují hluk. Pomáhají izolovat klíčová fakta.
Pojďme si tyto komponenty rozebrat. Podívejme se na vlastnosti jednotlivých typů a na to, kde se projevují v datech z reálného světa.
Pracovní hypotéza: výchozí bod
Pracovní hypotéza (nebo výzkumná hypotéza) je výchozím bodem. Popisuje vztah mezi proměnnými. Toto není jen seznam. Předvídejte, jak spolu souvisí.
Hypotézy lze klasifikovat podle jejich zaměření. Jsou popisné? Kauzální? Korelace? Nebo srovnáváte skupiny?
Popisné hypotézy
Jsou velmi jednoduché. Popisují stav věcí. Nevysvětlují proč. Jednoduše vám řeknou, co můžete očekávat.
Představte si to jako snímek. Očekáváte určitou hodnotu. Těchto funkcí si všimnete. Chybí ti příčina a následek.
Příklad: „Míra kriminality v Caracasu vzrostla o 50 % ve srovnání s rokem 2019.“
Toto prohlášení je o trendech. Netvrdí, že chudoba nebo změny politik způsobují růst. Čísla jen rostou.
Kauzální hypotézy
Zde se ponoříte do podstaty vědy. Příčina a následek.
Tyto hypotézy říkají, že jedna proměnná přímo ovlivňuje jinou proměnnou. Mohou být vysvětlující nebo prediktivní.
Vysvětlující hypotézy jdou k věci. Nabízejí důvod pro spojení.
* Příklad: „Nadměrná konzumace alkoholu způsobuje poškození neuronů.“
To vysvětlí, „proč“ k poškození došlo. To naznačuje biologický mechanismus.
Prediktivní hypotézy hledí do budoucnosti. Předpovídají chování na základě aktuálních trendů.
* Příklad: „Globální oteplování povede v příštích několika letech k povodním.“
Toto je projekce. To předpokládá, že současná trajektorie bude pokračovat.
Oba typy lze konstruovat pomocí dvou různých logických cest: deduktivní nebo induktivní.
Deduktivní hypotézy se pohybují od obecných ke konkrétním. Začněme teorií. Aplikujme to na případ.
* Příklad: “Všechny živé věci mají DNA. Bakterie jsou živé věci. Proto mají bakterie DNA.”
To je lineární logika. Pokud jsou premisy pravdivé, pak musí být pravdivý i závěr.
Indukční hypotéza funguje opačně. Od konkrétního k obecnému. Pozorujete vzorec. Uděláte pravidlo.
* Příklad: Newton viděl padající jablko. Pozoroval oběžnou dráhu Měsíce. Všiml si rozdílu. Jeden z nich spadl na zem. Druhý zůstal ve vzduchu. Odvodil obecný gravitační zákon.
Nezačal se zákonem gravitace. Všiml si účinku. Uhodl důvod. Pak to zkontroloval.
Korelační hypotézy
Korelace neznamená kauzalitu. Toto je zlaté pravidlo.
Tyto hypotézy měří míru asociace mezi proměnnými. Ptají se: Jak moc se spolu pohybují?
Na pořadí proměnných zde nezáleží. Jestliže A ovlivňuje B, pak v korelačním smyslu B ovlivňuje A.
Newtonův zákon univerzální gravitace je ve své formulaci vlastně korelační.
* Prohlášení: “Čím větší hmotnost, tím větší přitažlivá síla.”
Přečtěte si to pozpátku: “Větší gravitace znamená více hmoty.” Korelace je přítomna v obou směrech.
Tyto vztahy mohou být pozitivní, negativní nebo smíšené.
- Pozitivní: „Čím vyšší beztrestnost, tím vyšší míra kriminality.“ Oba ukazatele rostou společně.
- Negativní: „Nízký příjem tuků snižuje riziko ischemické choroby srdeční.“ Jeden ukazatel klesá, další jej následuje.
- Smíšené: „Čím vyšší nadmořská výška, tím nižší teplota.“ Inverzní vztah.
Hypotézy o rozdílech mezi skupinami
Někdy nehledáte trendy. Hledáte odloučení.
Tyto hypotézy naznačují rozdíly mezi skupinami. Toto je statistické srovnání.
Jsou dva způsoby, jak to formulovat.
- Bez zaměření: Tvrdíte, že existuje rozdíl. Neříkáte, která skupina “vyhraje”.
- Příklad: „Existují rozdíly v úmrtnosti mezi muži a ženami.“
- Zadaný směr: Uvedete výsledek. Skupinu pojmenujete s vyšší (nebo nižší) hodnotou.
- Příklad: „Muži mají vyšší úmrtnost než ženy.“
Druhá verze je riskantní. Zavazuje vás ke konkrétnímu výsledku. Pokud údaje ukazují, že úmrtnost je vyšší u žen, ukáže se, že se mýlíte. První verze je spolehlivější. Jednoduše uvádíte, že mezi nimi jsou “nějaké” rozdíly.
Nulová hypotéza (H₀)
Věda je od přírody skeptická. Nic nepředpokládejte, dokud se to neprokáže.
Toto je nulová hypotéza. Popírá existenci vztahů mezi proměnnými. Toto je negativní tvrzení. Obsahuje slova „ne“ nebo „nepřítomný“.
Symbol je H₀.
“Nepřijímá” hodnoty null. Buď to odmítnete, nebo nemůžete odmítnout. Cílem většiny studií je odstranit nulu.
Příklad: „BMI (index tělesné hmotnosti) je „nezávislý“ na pohlaví člověka.“
Toto je výchozí poloha. Zdá se, že neexistuje žádná souvislost mezi svalovou hmotou a pohlavím. Tato studie existuje, aby čelila tomuto pocitu odpojení.
Alternativní hypotéza (H₁)
Každá nulová hypotéza má partnera.
Další hypotéza. Toto je druhá strana nuly. Ukazuje, že spojení existuje.
Symbol je H₁.
Pokud hodnota nula znamená „žádný odkaz“, pak alternativní hodnota znamená „odkaz nalezen“. Přijměte možnost nebo ne.
Porovnejte je a uvidíte, jak jsou opačné.
H₀: “BMI nemá nic společného s pohlavím.”
H₁: „BMI se u mužů a žen liší.“
Výzkumníci shromažďují data. Provádějí statistickou analýzu. Pokud jsou důkazy dostatečně silné, odmítnou H₀. Berou H₁.
Tato binární struktura je způsob, jakým se věda opravuje. Výjimku musíte prokázat. To vám brání předpokládat vzory, které neexistují.
Jedná se o pevný rám. Někomu je v něm zima. Někteří to považují za osvobozující. Odstraňte neutralitu vynucováním rozhodnutí. Je v tom nějaký rozdíl? ano nebo ne. Ne, možná je.
Pracovní hypotéza určuje směr. Nulová a alternativní hypotéza poskytují platformu pro debatu. Data je porota.
Při nahrazování slov čísly: statistické hypotézy
Hypotéza není jen odhad. Alespoň ne ty, na kterých záleží při práci s reálnými daty. Statistické hypotézy mění tyto nejasné myšlenky na symboly. Jejich účelem je kontrola nebo nastavení parametrů pro jednu nebo více skupin. Nepoužívají se, když plánujete napsat román. Lze je použít, když chcete shromáždit velké množství dat. Procenta. Průměrné hodnoty. Jakýkoli indikátor, který lze zobrazit v grafech.
Představte si to jako most mezi otázkou a tabulkou v tabulce.
Tři způsoby, jak měřit neznámé
Ne všechny statistické hypotézy jsou vytvářeny stejně. Spadají do specifických kategorií v závislosti na tom, co přesně se snažíte dokázat.
Hypotézy hodnocení dělají většinu práce v deskriptivním výzkumu. Zaměřují se na jednu proměnnou. Výzkumníci se pokoušejí vyhodnotit statistické výsledky na základě kontextu. Místo porovnávání objektů je důležité zjistit aktuální situaci. Pokud chcete znát průměrnou výšku určité skupiny, je to ideální nástroj. Je to jakýsi snímek okamžiku.
Korelační hypotézy hledají souvislosti. Studují vztah mezi dvěma nebo více proměnnými. Pohybují se spolu? Mění se jedno, když se mění druhé? Toto není vztah příčiny a následku. Je to o asociaci. Pokud by se v červenci prudce zvýšil prodej zmrzliny a útoky žraloků, hypotéza by ukazovala na takovou asociaci. Zda je jeden příčinou druhého, je jiná otázka.
Srovnání využívá hypotézy středních rozdílů. Týkají se rozdílů mezi skupinami. Tato analýza porovnává číselná skóre mezi dvěma nebo více skupinami. Funguje nový lék lépe než placebo? Zvýšila marketingová kampaň prodej v regionu A, ale ne v regionu B? Tento typ hypotéz hledá mezeru. Rozdíl je v objevu.
Proč je tato klasifikace důležitá
Tyto rozdíly se mohou akademicky zdát zbytečné. Ale to není pravda. Určují, jak se provádějí matematické výpočty.
Pokud zvolíte špatný typ, vaše data vám nic neřeknou. Po týdnech sběru dat si uvědomíte, že jste položili špatnou statistickou otázku. Odhad hypotézy vyžaduje jiné výpočty než testování rozdílu v průměrech. Míchání těchto přístupů způsobí šum.
Cílem je jasnost. Parametry celkové studie můžete nastavit určením, zda se mají odhadovat hodnoty, zkoumat vztahy nebo porovnávat skupiny. Tím se odfiltrují irelevantní data ještě předtím, než je vůbec začnete sbírat.
To je základ vědecké přísnosti. Bez těchto statistik jsou data jen odpad. S nimi se stávají důkazem.
Hypotéza není odpověď. To je přesná otázka, která umožňuje datům mluvit.
Lidský prvek v matematice
Existuje tendence pohlížet na statistiku jako na chladnou a objektivní disciplínu. Ale to jsou jen nástroje. Výběr statistických hypotéz k použití je velmi lidský proces. Odráží to, co výzkumníci považují za důležité.
Zajímají nás průměry? Jaké vztahy existují mezi faktory? Jsou mezi skupinami rozdíly?
Tyto volby utvářejí výzkumný příběh. Ve výzkumu výsledků vzdělávání lze hypotézu středního rozdílu použít k porovnání výsledků testů mezi školami. Dalším přístupem by bylo použití korelace k určení, zda příjem domácnosti souvisí s docházkou. Oba přístupy jsou správné. Obě jsou statistické hypotézy. Vyprávějí ale úplně jiné příběhy o stejném světě.
Zobrazí se symboly. Výběr toho, které symboly jsou důležité, je ponecháno na jednotlivcích.
