Nauka nie opiera się na domysłach. Opiera się na ustrukturyzowanych przewidywaniach. W szczególności opiera się na hipotezach. Ale nie wszystkie hipotezy są takie same. Aby zdecydować, jakiego rodzaju hipotezę zastosować w swoich badaniach, musisz zrozumieć różnicę między hipotezą zerową, hipotezą alternatywną i hipotezą badawczą.
Hipoteza to po prostu możliwa, obiektywna i dokładna odpowiedź na pytanie naukowe. Niuans? To musi być weryfikowalne. Musisz być w stanie udowodnić, że jest to fałszywe lub prawdziwe. Bez możliwości potwierdzenia lub zaprzeczenia jest to tylko opinia.
Główne typy są klasyfikowane w następujący sposób.
Hipoteza badawcza
To pierwsza rzecz, o której myśli większość ludzi. Hipoteza badawcza (czasami nazywana hipotezą roboczą) to najlepsze przypuszczenie dotyczące wyniku. Jest to opis oczekiwanych zależności pomiędzy zmiennymi.
Jeśli badasz wpływ snu na pamięć, twoja hipoteza badawcza może brzmieć: „Ludzie, którzy śpią 8 godzin, zapamiętują więcej faktów niż ludzie, którzy śpią 4 godziny”.
Jest bardzo bezpośrednia. Ona jest konkretna. To właśnie chcesz odkryć. Jednak rygorystyczna nauka rzadko testuje to bezpośrednio, nie biorąc pod uwagę czegoś przeciwnego.
Hipoteza zerowa
W grę wchodzi hipoteza zerowa. Jest to najczęściej źle rozumiana część testów statystycznych. Hipoteza zerowa stwierdza, że pomiędzy zmiennymi nie ma związku.
Na przykładzie snu hipoteza zerowa stwierdza, że nie ma różnicy w zatrzymywaniu pamięci między osobami, które śpią 8 godzin, a osobami, które śpią 4 godziny.
Dlaczego naukowcy powinni się tym przejmować? Ponieważ nauka rozwija się poprzez obalanie różnych rzeczy. Zacznij od założenia, że nic się nie stało. Jeśli dane są wystarczająco mocne, możesz odrzucić hipotezę zerową. Jeśli nie możesz tego odrzucić, prawdopodobnie mówisz, że nie dzieje się nic ważnego. Jest to środek ochronny zapobiegający pojawianiu się wzorów w hałasie.
Hipoteza alternatywna
Odrzucenie hipotezy zerowej pozostawia nam hipotezę alternatywną. Jest to logiczne przeciwieństwo zera. Jeśli dane mają znaczący wpływ, stają się wnioskiem.
W naszym badaniu snu, jeśli wartość null to „brak różnicy”, alternatywą jest „istnieje różnica”. Niekoniecznie ma ona charakter kierunkowy (jak hipoteza badawcza), po prostu wskazuje, że istnieje zależność.
Hipotezy statystyczne
Możesz usłyszeć termin hipotezy statystyczne. Jest to szersze pojęcie. Odnosi się to do stwierdzenia dotyczącego testowanego parametru populacji. Hipoteza zerowa i hipoteza alternatywna to typy hipotez statystycznych.
Pomyśl o tym jako o ogólnym określeniu. Wykonując test t lub test chi-kwadrat, technicznie rzecz biorąc, testujesz hipotezę statystyczną.
Dlaczego to rozróżnienie jest ważne
Możesz się zastanawiać, dlaczego potrzebujemy tak wielu etykiet dla podobnych koncepcji. Odpowiedź leży w przejrzystości.
Jasno wyrażając swoją hipotezę badawczą, wiesz, czego szukasz. Jeśli jasno przedstawisz swoją hipotezę zerową, wiesz, co chcesz obalić. Twoja analiza danych zamienia się w chaos.
- Hipoteza badawcza : Twoje własne przewidywania.
- Hipoteza zerowa : Hipoteza mówiąca o braku efektu.
- Hipoteza alternatywna : Wniosek w przypadku odrzucenia hipotezy zerowej.
Zrozumienie ich interakcji może zapobiec niechlujstwu naukowemu.
Większość ludzi uważa, że badania rozpoczynają się od prostego założenia. Ale nauka działa inaczej. Badania często opierają się na wielu założeniach. Nie istnieją w izolacji. Wchodzą w interakcję.
Robocza hipoteza kieruje projektami. Ona jest głównym motorem. Ale aby udowodnić swoją wartość, opiera się na systemach kopii zapasowych. Hipoteza zerowa, hipoteza alternatywna i hipoteza statystyczna działają jak filtry. Eliminują hałas. Pomagają wyodrębnić kluczowe fakty.
Rozłóżmy te elementy. Przyjrzyjmy się charakterystyce każdego typu i miejscu, w którym pojawiają się w danych ze świata rzeczywistego.
Hipoteza robocza: punkt wyjścia
Punktem wyjścia jest hipoteza robocza (lub hipoteza badawcza). Opisuje związek między zmiennymi. To nie jest tylko lista. Przewiduj, jakie są ze sobą powiązane.
Hipotezy można klasyfikować w zależności od ich przedmiotu. Czy są opisowe? Przyczynowy? Korelacja? A może porównujesz grupy?
Hipotezy opisowe
Są bardzo proste. Opisują stan rzeczy. Nie wyjaśniają dlaczego. Po prostu mówią, czego się spodziewać.
Pomyśl o tym jak o migawce. Oczekujesz określonej wartości. Zauważysz te cechy. Brakuje Ci przyczyny i skutku.
Przykład: „Wskaźnik przestępczości w Caracas wzrósł o 50% w porównaniu z 2019 rokiem.”
To stwierdzenie dotyczy trendów. Nie twierdzi, że bieda lub zmiany polityczne powodują wzrost. Liczby po prostu rosną.
Hipotezy przyczynowe
Tutaj zagłębiasz się w istotę nauki. Przyczyna i skutek.
Hipotezy te stwierdzają, że jedna zmienna bezpośrednio wpływa na inną zmienną. Mogą mieć charakter wyjaśniający lub predykcyjny.
Hipotezy wyjaśniające trafiają w sedno. Podają powód połączenia.
* Przykład: „Nadmierne spożycie alkoholu powoduje uszkodzenie neuronów”.
To wyjaśni „dlaczego” doszło do uszkodzenia. Sugeruje mechanizm biologiczny.
Hipotezy predykcyjne patrzą w przyszłość. Przewidują zachowania w oparciu o aktualne trendy.
* Przykład: „Globalne ocieplenie doprowadzi w ciągu najbliższych kilku lat do powodzi”.
To jest projekcja. Zakłada się, że obecna trajektoria będzie kontynuowana.
Obydwa typy można skonstruować przy użyciu dwóch różnych ścieżek logicznych: dedukcyjnej lub indukcyjnej.
Hipotezy dedukcyjne przechodzą od ogółu do szczegółu. Zacznijmy od teorii. Zastosujmy to do sprawy.
* Przykład: „Wszystkie żywe istoty mają DNA. Bakterie to żywe istoty. Dlatego bakterie mają DNA.”
To jest logika liniowa. Jeżeli przesłanki są prawdziwe, to wniosek musi być prawdziwy.
Hipoteza indukcyjna działa w drugą stronę. Od szczegółu do ogółu. Obserwujesz wzór. Ustalasz regułę.
* Przykład: Newton widział spadające jabłko. Obserwował orbitę Księżyca. Zauważył różnicę. Jeden z nich upadł na ziemię. Drugi pozostał w powietrzu. Wyprowadził ogólne prawo ciążenia.
Nie zaczął od prawa grawitacji. Zauważył efekt. Domyślił się powodu. Potem to sprawdził.
Hipotezy korelacji
Korelacja nie oznacza przyczynowości. To jest złota zasada.
Hipotezy te mierzą stopień powiązania między zmiennymi. Pytają: Ile razem ruszają?
Kolejność zmiennych nie ma tutaj znaczenia. Jeśli A wpływa na B, to w sensie korelacyjnym B wpływa na A.
Prawo powszechnego ciążenia Newtona jest w rzeczywistości korelacyjne w swoim sformułowaniu.
* Stwierdzenie: „Im większa masa, tym większa siła przyciągania”.
Przeczytaj to od tyłu: „Większa grawitacja oznacza większą masę”. Zależność występuje w obu kierunkach.
Zależności te mogą być pozytywne, negatywne lub mieszane.
- Pozytywny: „Im większa bezkarność, tym wyższy wskaźnik przestępczości”. Obydwa wskaźniki rosną razem.
- Wadą: „Niskie spożycie tłuszczu zmniejsza ryzyko choroby niedokrwiennej serca”. Jeden wskaźnik maleje, drugi podąża za nim.
- Mieszane: „Im większa wysokość, tym niższa temperatura.” Odwrotna zależność.
Hipotezy dotyczące różnic między grupami
Czasami nie szukasz trendów. Szukasz separacji.
Hipotezy te sugerują różnice między grupami. To jest porównanie statystyczne.
Można to wyrazić na dwa sposoby.
- Brak skupienia: Twierdzisz, że jest różnica. Nie mówisz, która grupa „wygrywa”.
- Przykład: „Istnieją różnice we wskaźnikach umieralności między mężczyznami i kobietami”.
- Określony kierunek: Ty wskazujesz wynik. Nazywasz grupę o wyższej (lub niższej) wartości.
- Przykład: „Mężczyźni mają wyższy wskaźnik śmiertelności niż kobiety”.
Druga wersja jest ryzykowna. Zobowiązuje Cię do określonego rezultatu. Jeśli dane wykażą, że współczynniki zgonów są wyższe u kobiet, udowodnisz, że się mylisz. Pierwsza wersja jest bardziej niezawodna. Po prostu stwierdzasz, że istnieją między nimi „pewne” różnice.
Hipoteza zerowa (H₀)
Nauka jest z natury sceptyczna. Nie zakładaj niczego, dopóki nie zostanie to udowodnione.
To jest hipoteza zerowa. Zaprzecza istnieniu zależności pomiędzy zmiennymi. Jest to stwierdzenie negatywne. Zawiera słowa „nie” lub „nieobecny”.
Symbol to H₀.
Nie „akceptuje” wartości null. Albo to odrzucisz, albo nie możesz tego odrzucić. Celem większości badań jest wyeliminowanie wartości zerowej.
Przykład: „BMI (wskaźnik masy ciała) jest „niezależny” od płci danej osoby.”
Jest to pozycja domyślna. Wydaje się, że nie ma związku pomiędzy masą mięśniową a płcią. To badanie ma na celu przeciwdziałanie temu poczuciu odłączenia.
Hipoteza alternatywna (H₁)
Każda hipoteza zerowa ma partnera.
Kolejna hipoteza. To jest druga strona zera. Pokazuje, że połączenie istnieje.
Symbol to H₁.
Jeśli wartość zero oznacza „brak łącza”, wówczas wartość alternatywna oznacza „znaleziono łącze”. Zaakceptuj tę opcję lub nie.
Porównaj je i zobacz, jak bardzo są od siebie odmienne.
H₀: „BMI nie ma nic wspólnego z płcią”.
H₁: „BMI różni się u mężczyzn i kobiet”.
Naukowcy zbierają dane. Wykonują analizę statystyczną. Jeśli dowody są wystarczająco mocne, odrzucają H₀. Biorą H₁.
Ta binarna struktura jest sposobem, w jaki nauka sama się koryguje. Musisz udowodnić wyjątek. Zapobiega to przyjmowaniu wzorców, które nie istnieją.
To jest sztywna rama. Niektórym jest w nim zimno. Niektórzy uważają to za wyzwalające. Wyeliminuj neutralność poprzez wymuszanie decyzji. Czy jest różnica? Tak lub nie. Nie, może jest.
Hipoteza robocza wyznacza kierunek. Hipotezy zerowe i alternatywne stanowią platformę do debaty. Dane są sędzią.
Podczas zastępowania słów liczbami: hipotezy statystyczne
Hipoteza to nie tylko domysł. Przynajmniej nie te, które mają znaczenie podczas pracy z prawdziwymi danymi. Hipotezy statystyczne przekształcają te niejasne pojęcia w symbole. Ich celem jest sprawdzenie lub ustawienie parametrów dla jednej lub większej liczby grup. Nie używa się ich, gdy planuje się napisać powieść. Można je wykorzystać, gdy chcemy zebrać duże ilości danych. Procenty. Wartości średnie. Dowolny wskaźnik, który można wyświetlić na wykresach.
Pomyśl o tym jak o pomostu między pytaniem a tabelą w arkuszu kalkulacyjnym.
Trzy sposoby pomiaru nieznanego
Nie wszystkie hipotezy statystyczne są tworzone jednakowo. Można je podzielić na określone kategorie w zależności od tego, co dokładnie chcesz udowodnić.
Hipotezy ewaluacyjne wykonują większość pracy w badaniach opisowych. Koncentrują się na jednej zmiennej. Naukowcy próbują ocenić wyniki statystyczne na podstawie kontekstu. Zamiast porównywać obiekty, ważne jest określenie aktualnej sytuacji. Jeśli chcesz poznać średni wzrost określonej grupy, jest to idealne narzędzie. To swego rodzaju migawka chwili.
Hipotezy korelacji szukają powiązań. Badają związek między dwiema lub większą liczbą zmiennych. Czy poruszają się razem? Czy jedno się zmienia, gdy zmienia się drugie? To nie jest związek przyczynowo-skutkowy. Chodzi o skojarzenie. Jeśli w lipcu sprzedaż lodów i ataki rekinów gwałtownie wzrosną, hipoteza wskazywałaby na taki związek. Inną kwestią jest to, czy jedno jest przyczyną drugiego.
W porównaniu wykorzystano hipotezy dotyczące średnich różnic. Dotyczą różnic pomiędzy grupami. W tej analizie porównuje się wyniki liczbowe dwóch lub więcej grup. Czy nowy lek działa lepiej niż placebo? Czy kampania marketingowa zwiększyła sprzedaż w Regionie A, ale nie w Regionie B? Hipoteza tego typu szuka luki. Różnica polega na odkryciu.
Dlaczego ta klasyfikacja jest ważna
Rozróżnienia te mogą wydawać się niepotrzebne z naukowego punktu widzenia. Ale to nieprawda. Określają sposób wykonywania obliczeń matematycznych.
Jeśli wybierzesz niewłaściwy typ, Twoje dane nic Ci nie powiedzą. Po tygodniach gromadzenia danych zdajesz sobie sprawę, że zadałeś niewłaściwe pytanie statystyczne. Oszacowanie hipotezy wymaga innych obliczeń niż testowanie różnicy średnich. Mieszanie tych podejść spowoduje wprowadzenie hałasu.
Celem jest jasność. Można ustawić parametry całego badania, określając, czy oszacować wartości, zbadać relacje, czy porównać grupy. Spowoduje to odfiltrowanie nieistotnych danych, zanim w ogóle zaczniesz je zbierać.
To jest podstawa dyscypliny naukowej. Bez tych statystyk dane są po prostu śmieciem. Wraz z nimi stają się dowodem.
Hipoteza nie jest odpowiedzią. To jest właśnie pytanie, które pozwala przemówić danym.
Pierwiastek ludzki w matematyce
Istnieje tendencja do postrzegania statystyki jako dyscypliny zimnej i obiektywnej. Ale to tylko narzędzia. Wybór hipotez statystycznych, które zostaną użyte, jest procesem bardzo ludzkim. Odzwierciedla to, co badacze uważają za ważne.
Czy interesują nas średnie? Jakie zależności istnieją pomiędzy czynnikami? Czy istnieją różnice pomiędzy grupami?
Wybory te kształtują narrację badawczą. W badaniach wyników nauczania hipotezę średniej różnicy można zastosować do porównania wyników testów między szkołami. Innym podejściem byłoby wykorzystanie korelacji w celu ustalenia, czy dochód gospodarstwa domowego jest powiązany z frekwencją. Obydwa podejścia są prawidłowe. Obie są hipotezami statystycznymi. Ale opowiadają zupełnie różne historie o tym samym świecie.
Pojawią się symbole. Wybór, które symbole są ważne, pozostawiono indywidualnym osobom.
