Наука не работает на основе догадок. Она опирается на структурированные предсказания. В частности, она основана на гипотезах. Но не все гипотезы одинаковы. Чтобы решить, какой тип гипотезы использовать в своих исследованиях, необходимо понимать разницу между нулевой гипотезой, альтернативной гипотезой и исследовательской гипотезой.
Гипотеза — это просто возможный, объективный и точный ответ на научный вопрос. Нюанс? Она должна быть проверяемой. Вы должны иметь возможность доказать её ложность или истинность. Без возможности подтвердить или опровергнуть её, это просто мнение.
Основные типы классифицируются следующим образом.
Исследовательская гипотеза
Это первое, о чём думает большинство людей. Исследовательская гипотеза (иногда называемая рабочей гипотезой) — это ваше лучшее предположение относительно результата. Это описание ожидаемых взаимосвязей между переменными.
Если вы изучаете влияние сна на память, ваша исследовательская гипотеза может звучать так: «Люди, которые спят 8 часов, запоминают больше фактов, чем люди, которые спят 4 часа».
Она очень прямая. Она конкретна. Это то, что вы хотите обнаружить. Но строгая наука редко тестирует это напрямую, не рассматривая противоположное.
Нулевая гипотеза
На сцену выходит нулевая гипотеза. Это наиболее часто неправильно понимаемая часть статистического тестирования. Нулевая гипотеза утверждает, что между переменными нет взаимосвязи.
Используя сон в качестве примера, нулевая гипотеза гласит, что нет разницы в сохранении памяти между людьми, которые спят 8 часов, и людьми, которые спят 4 часа.
Почему учёным следует заботиться об этом? Потому что наука прогрессирует, опровергая вещи. Начните с предположения, что ничего не произошло. Если данные достаточно сильны, вы можете отвергнуть нулевую гипотезу. Если вы не можете её отвергнуть, вы, вероятно, говорите, что ничего важного не происходит. Это защитная мера для предотвращения появления паттернов в шуме.
Альтернативная гипотеза
Отвержение нулевой гипотезы оставляет нам альтернативную гипотезу. Это логическая противоположность нулевой. Если данные имеют значимый эффект, это становится выводом.
В нашем исследовании сна, если нулевое значение — «нет разницы», то альтернативное — «есть разница». Оно не обязательно является направленным (как исследовательская гипотеза), просто указывает на то, что взаимосвязь существует.
Статистические гипотезы
Вы можете услышать термин статистические гипотезы. Это более широкое понятие. Это относится к утверждению о параметре популяции, которое проверяется. Нулевая гипотеза и альтернативная гипотеза являются типами статистических гипотез.
Думайте об этом как о собирательном термине. Когда вы проводите t-тест или критерий хи-квадрат, вы технически проверяете статистическую гипотезу.
Почему это различие важно
Вы можете задаться вопросом, зачем нам так много ярлыков для похожих концепций. Ответ кроется в ясности.
Чётко выражая свою исследовательскую гипотезу, вы знаете, что ищете. Если вы чётко формулируете свою нулевую гипотезу, вы знаете, что хотите опровергнуть. Ваш анализ данных превращается в хаос.
- Исследовательская гипотеза : Ваше собственное предсказание.
- Нулевая гипотеза : Гипотеза о том, что эффекта нет.
- Альтернативная гипотеза : Вывод, если нулевая гипотеза отвергается.
Понимание того, как они взаимодействуют, может предотвратить небрежную науку.
Большинство людей считает, что исследования начинаются с простого предположения. Но наука устроена иначе. Исследования часто включают несколько допущений. Они не существуют изолированно. Они взаимодействуют.
Рабочая гипотеза направляет проекты. Она является основным двигателем. Но она опирается на резервные системы, чтобы доказать свою ценность. Нулевая гипотеза, альтернативная гипотеза и статистическая гипотеза действуют как фильтры. Они устраняют шум. Они помогают изолировать ключевые факты.
Давайте разберем эти компоненты. Давайте рассмотрим характеристики каждого типа и то, где они проявляются в реальных данных.
Рабочая гипотеза: отправная точка
Рабочая гипотеза (или исследовательская гипотеза) является отправной точкой. Она описывает взаимосвязь между переменными. Это не просто список. Предскажите, как они связаны.
Гипотезы можно классифицировать в зависимости от их фокуса. Они описательные? Причинные? Корреляционные? Или вы сравниваете группы?
Описательные гипотезы
Они очень просты. Они описывают состояние вещей. Они не объясняют почему. Они просто говорят вам, чего ожидать.
Представьте это как снимок. Вы ожидаете определенного значения. Вы заметите эти особенности. Вы пропускаете причинно-следственную связь.
Пример: «Уровень преступности в Каракасе вырос на 50% по сравнению с 2019 годом.»
Это утверждение касается тенденций. Оно не утверждает, что бедность или изменения в политике являются причиной роста. Просто цифры растут.
Причинные гипотезы
Здесь вы погружаетесь в суть науки. Причина и следствие.
Эти гипотезы утверждают, что одна переменная напрямую влияет на другую переменную. Они могут быть объяснительными или предсказательными.
Объяснительные гипотезы затрагивают самую суть. Они предлагают причину связи.
* Пример: «Чрезмерное употребление алкоголя вызывает повреждение нейронов.»
Это объяснит «почему» произошло повреждение. Оно предполагает биологический механизм.
Предсказательные гипотезы смотрят в будущее. Они предсказывают поведение на основе текущих тенденций.
* Пример: «Глобальное потепление приведет к наводнениям в ближайшие несколько лет.»
Это проекция. Это предполагает, что текущая траектория продолжится.
Оба типа могут быть построены с использованием двух различных логических путей: дедуктивного или индуктивного.
Дедуктивные гипотезы движутся от общего к частному. Давайте начнем с теории. Давайте применим ее к случаю.
* Пример: «Все живые существа имеют ДНК. Бактерии — это живые существа. Поэтому у бактерий есть ДНК.»
Это линейная логика. Если предпосылки истинны, то и заключение должно быть истинным.
Индуктивная гипотеза работает наоборот. От частного к общему. Вы наблюдаете закономерность. Вы выстраиваете правило.
* Пример: Ньютон увидел, как падает яблоко. Он наблюдал за орбитой Луны. Он заметил разницу. Одно из них упало на землю. Другое осталось в воздухе. Он вывел общий закон тяготения.
Он не начинал с закона тяготения. Он заметил эффект. Он предположил причину. Затем он проверил это.
Корреляционные гипотезы
Корреляция не означает причинность. Это золотое правило.
Эти гипотезы измеряют степень ассоциации между переменными. Они спрашивают: насколько сильно они движутся вместе?
Порядок переменных здесь не имеет значения. Если А влияет на В, то в корреляционном смысле В влияет на А.
Закон всемирного тяготения Ньютона на самом деле является корреляционным по своей формулировке.
* Утверждение: «Чем больше масса, тем больше сила притяжения.»
Прочитайте это в обратном порядке: «Большая сила притяжения означает большую массу». Корреляция присутствует в обоих направлениях.
Эти отношения могут быть положительными, отрицательными или смешанными.
- Положительная: «Чем выше безнаказанность, тем выше уровень преступности.» Оба показателя растут вместе.
- Отрицательная: «Низкое потребление жиров снижает риск ишемической болезни сердца.» Один показатель снижается, другой следует за ним.
- Смешанная: «Чем выше высота, тем ниже температура.» Обратная зависимость.
Гипотезы о различиях между группами
Иногда вы не ищете тенденции. Вы ищете разделение.
Эти гипотезы предполагают наличие различий между группами. Это статистическое сравнение.
Есть два способа ее сформулировать.
- Направленности нет: Вы утверждаете, что разница существует. Вы не говорите, какая группа «побеждает».
- Пример: «Существуют различия в уровнях смертности мужчин и женщин.»
- Направленность указана: Вы указываете исход. Вы называете группу с более высоким (или более низким) значением.
- Пример: «У мужчин уровень смертности выше, чем у женщин.»
Вторая версия рискованна. Она обязывает к конкретному исходу. Если данные покажут, что уровни смертности выше у женщин, вы окажетесь неправы. Первая версия более надежна. Вы просто утверждаете, что между ними есть «некоторые» различия.
Нулевая гипотеза (H₀)
Наука по своей природе скептична. Ничего не предполагайте, пока это не будет доказано.
Это нулевая гипотеза. Она отрицает наличие взаимосвязей между переменными. Это отрицательное утверждение. Содержит слова «нет» или «отсутствует».
Символ — H₀.
Не «принимает» нулевые значения. Либо вы ее отвергаете, либо не можете отвергнуть. Цель большинства исследований — устранить ноль.
Пример: «ИМТ (индекс массы тела) «независим» от пола человека.»
Это положение по умолчанию. Кажется, что между мышечной массой и полом нет связи. Это исследование существует, чтобы опровергнуть это ощущение отсутствия связи.
Альтернативная гипотеза (H₁)
У каждой нулевой гипотезы есть партнер.
Другая гипотеза. Это обратная сторона нуля. Она показывает, что связь существует.
Символ — H₁.
Если нулевое значение означает «нет связи», то альтернативное значение означает «связь обнаружена». Примите вариант или нет.
Сопоставьте их и посмотрите, насколько они противоположны.
H₀: «ИМТ не имеет ничего общего с полом.»
H₁: «ИМТ различается у мужчин и женщин.»
Исследователи собирают данные. Они проводят статистический анализ. Если доказательства достаточно сильны, они отвергают H₀. Они принимают H₁.
Эта бинарная структура — это то, как наука корректирует себя. Вы должны доказать исключение. Это предотвращает предположение о существовании закономерностей, которых нет.
Это жесткая рамка. Некоторые люди чувствуют себя в ней холодно. Некоторые находят ее освобождающей. Устраните нейтральность, заставляя принимать решения. Есть разница? Да или нет. Нет, возможно, она есть.
Рабочая гипотеза определяет направление. Нулевая и альтернативная гипотезы предоставляют площадку для дебатов. Данные — это жюри.
При замене слов числами: статистические гипотезы
Гипотеза — это не просто догадка. По крайней мере, не те, которые имеют значение в работе с реальными данными. Статистические гипотезы превращают эти размытые идеи в символы. Их цель — проверить или установить параметры для одной или нескольких групп. Их не используют, когда вы планируете писать роман. Их можно применять, когда вы хотите собрать большие объемы данных. Процентные соотношения. Средние значения. Любой показатель, который можно отобразить на графиках.
Думайте об этом как о мосте между вопросом и таблицей в электронной таблице.
Три способа измерения неизвестного
Не все статистические гипотезы создаются одинаково. Они делятся на определенные категории в зависимости от того, что именно вы пытаетесь доказать.
Гипотезы оценки выполняют основную работу в описательных исследованиях. Они сосредоточены на одной переменной. Исследователи пытаются оценить статистические результаты на основе контекста. Вместо сравнения объектов важно определить текущую ситуацию. Если вы хотите узнать средний рост определенной группы, это идеальный инструмент. Это своего рода снимок момента.
Корреляционные гипотезы ищут связи. Они изучают взаимосвязь между двумя или более переменными. Движутся ли они вместе? Изменяется ли одна, когда изменяется другая? Это не причинно-следственная связь. Речь идет о ассоциации. Если продажи мороженого и нападения акул резко возрастают в июле, гипотеза будет указывать на такую ассоциацию. Является ли одно причиной другого — это уже другой вопрос.
Сравнение использует гипотезы о разнице средних значений. Они касаются различий между группами. Этот анализ сравнивает числовые оценки между двумя или более группами. Действует ли новый препарат лучше, чем плацебо? Увеличила ли маркетинговая кампания продажи в регионе А, но не в регионе Б? Этот тип гипотезы ищет разрыв. Разница — это и есть открытие.
Почему эта классификация важна
Эти различия могут показаться академически излишними. Но это не так. Они определяют, как выполняются математические вычисления.
Если вы выберете неправильный тип, ваши данные ничего вам не скажут. После недель сбора данных вы осознаете, что задали неверный статистический вопрос. Гипотеза оценки требует иных вычислений, чем проверка разницы средних значений. Смешивание этих подходов приведет к появлению шума.
Цель — ясность. Вы можете задать параметры всего исследования, указав, нужно ли оценивать значения, изучать взаимосвязи или сравнивать группы. Это отфильтрует нерелевантные данные еще до того, как вы начнете их собирать.
Это основа научной строгости. Без этих статистических框架ов данные — просто мусор. С ними они становятся доказательствами.
Гипотеза — это не ответ. Это точный вопрос, который позволяет данным заговорить.
Человеческий элемент в математике
Существует тенденция рассматривать статистику как холодную и объективную дисциплину. Но это всего лишь инструменты. Выбор используемых статистических гипотез — это очень человеческий процесс. Он отражает то, что исследователи считают важным.
Интересуемся ли мы средними значениями? Какие существуют взаимосвязи между факторами? Есть ли различия между группами?
Эти выборы формируют нарратив исследования. В исследованиях образовательных результатов гипотеза о разнице средних значений может использоваться для сравнения результатов тестов между школами. Другой подход мог бы заключаться в использовании корреляции для определения того, связана ли доход домохозяйства с посещаемостью. Оба подхода корректны. Оба являются статистическими гипотезами. Но они рассказывают совершенно разные истории об одном и том же мире.
Символы появятся. Выбор того, какие символы важны, остается за людьми.
