資料結構
網路
關係型資料庫管理系統 (RDBMS)
作業系統
Java
微軟Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學心理學中備擇假設的概念
我們在生活中會做出許多假設。我們會對天氣、板球比賽、誰會贏得選舉等等做出假設。這些假設可能是對的，也可能是錯的。是否會下雨取決於許多因素，例如大氣中的水蒸氣和溫度。
什麼是假設？
假設可以理解為對事件或現象的“初步解釋”，它可以“經受理性論證的批判和經驗證據的反駁”。重要的是要理解，科學理論和假設之間存在差異，儘管它們經常被互換使用。一個理論可能始於一個假設，但是當它被調查時，它會從一個簡單的、可檢驗的概念發展成一個複雜的框架，儘管它可能並不完美，但卻經受住了無數研究專案的檢驗。統計學中存在兩種型別的假設：零假設和備擇假設。
零假設，用H0表示，是一個可證偽的斷言，在被證明是錯誤之前被認為是正確的。換句話說，在假設檢驗形式的統計證據表明零假設極不可能之前，它都被認為是正確的。當研究人員有特定的置信水平（通常為95%到99%）時，資料不支援零假設，則會拒絕零假設。否則，研究人員將無法排除零假設。在大多數研究中，研究人員想要拒絕的是零假設。
備擇假設
備擇假設，也稱為研究假設，用H1表示，是零假設的“死對頭”。從本質上講，備擇假設與零假設相反。讓我們考慮一個例子：我可以假設注意力，我在兩種情況下對其進行測試，例如，在沒有噪音的情況下和有噪音的情況下。
對於零假設，我會說兩者之間沒有差異，對於備擇假設，我會說兩者之間存在差異。零假設是我想要拒絕的，但我假設它是正確的，直到被證明是錯誤的。為了檢驗這個想法，我將進行研究和收集資料，並根據這些資料，我將拒絕或保留零假設。在這裡，備擇假設是我想要保留的。計算如果零假設正確，則觀察到的效應（在這種情況下，注意力的差異）發生的可能性是確定是否支援備擇假設的傳統方法。如果這種效應發生的機率足夠低，則備擇假設將被用來代替零假設。否則，零假設將不會被證偽。也就是說，我將研究零假設並檢驗兩者之間沒有差異的想法。如果我的結果表明發生這種情況的機率極低，我將拒絕這個假設。拒絕零假設後，我將接受備擇假設。從這個意義上說，備擇假設是對為什麼拒絕零假設的最佳解釋。
假設檢驗的歷史
儘管假設檢驗在20世紀初變得流行起來，但它最早是在18世紀被使用的。最初的使用歸功於約翰·阿布斯諾特（1710年），隨後是皮埃爾-西蒙·拉普拉斯（1770年代）在評估人類出生時的性別比例。卡爾·皮爾遜（p值，皮爾遜卡方檢驗）、威廉·西利·戈塞特（學生t分佈）和羅納德·費舍爾（“零假設”、方差分析、“顯著性檢驗”）對現代顯著性檢驗做出了巨大貢獻。相比之下，假設檢驗是由耶日·內曼和埃貢·皮爾遜（卡爾之子）發展起來的。羅納德·費舍爾最初是一位貝葉斯統計學家。然而，他很快對其中涉及的主觀性（即在確定先驗機率時使用無差異原理）感到不滿。他試圖為歸納推理提供一種更“客觀”的方法。
費舍爾是一位農業統計學家，他強調嚴格的實驗設計和在假設高斯分佈的情況下從少量樣本中提取結果的方法。內曼（與年輕的皮爾遜合作）強調數學嚴謹性和從更大樣本和更廣泛的分佈中獲得更多結果的方法。20世紀初出現的費舍爾與內曼/皮爾遜的公式、技術和術語與現代假設檢驗不相容。“顯著性檢驗”是由費舍爾推廣的。他需要一個零假設（對應於一個總體頻率分佈）和一個樣本。他的（現在很熟悉的）計算決定是否拒絕零假設。因為顯著性檢驗沒有使用備擇假設，所以沒有II型錯誤的概念。p值被開發成一種非正式但客觀的方法，以幫助研究人員決定是否調整未來的研究或增強對零假設的信念（基於其他知識）。內曼和皮爾遜將假設檢驗（和I/II型錯誤）開發成費舍爾p值的更客觀替代方案，該方案也旨在評估研究人員的行為，但不依賴於研究人員的任何歸納推理。
實質性備擇假設與概念性備擇假設
當拒絕零假設時，科學家會推斷概念性備擇假設。這是一種解釋為什麼拒絕零假設的理由或理論。另一方面，統計備擇假設並沒有提供為什麼拒絕零假設的實質性或科學依據；它只是零假設的邏輯補充。當拒絕零假設時，使用Neyman-Pearson方法確定統計備擇假設，該方法考慮了至少兩種相互競爭的假設，但只在一個假設下評估資料；此外，資料通常使用研究人員想要保留的假設進行檢驗。此時，研究人員的實質性備擇假設通常被用作拒絕零假設的“原因”。然而，拒絕的零假設並不自動意味著研究人員的實質性備擇假設是正確的。拒絕零假設的原因有很多。
結論
假設檢驗是每個社會科學研究人員工作的一個重要組成部分，而備擇假設是這一過程中的重要組成部分。構建適當的假設至關重要，因為它是一項研究的核心。構建一個好的備擇假設陳述是一門藝術，研究人員需要在這門藝術上精益求精。備擇假設存在概念性和統計性兩種形式。概念性備擇假設對研究人員尤其重要。如果沒有概念性備擇假設，就不可能得出研究結論（除了拒絕零假設之外）。儘管備擇假設很重要，但在社會科學（特別是較軟的社會科學）中，拒絕零假設的目標占據了假設檢驗的主導地位，而證明推斷出正確的概念性備擇假設則受到了較少的關注。任何人都可以毫無疑問地拒絕零假設，但只有少數人能夠識別並推斷出合適的備擇假設。
瀏覽量：206
