数据结构
网络
关系型数据库管理系统 (RDBMS)
操作系统
Java
微软Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
服装设计
法学心理学中备择假设的概念
我们在生活中会做出许多假设。我们会对天气、板球比赛、谁会赢得选举等等做出假设。这些假设可能是对的，也可能是错的。是否会下雨取决于许多因素，例如大气中的水蒸气和温度。
什么是假设？
假设可以理解为对事件或现象的“初步解释”，它可以“经受理性论证的批判和经验证据的反驳”。重要的是要理解，科学理论和假设之间存在差异，尽管它们经常被互换使用。一个理论可能始于一个假设，但是当它被调查时，它会从一个简单的、可检验的概念发展成一个复杂的框架，尽管它可能并不完美，但却经受住了无数研究项目的检验。统计学中存在两种类型的假设：零假设和备择假设。
零假设，用H0表示，是一个可证伪的断言，在被证明是错误之前被认为是正确的。换句话说，在假设检验形式的统计证据表明零假设极不可能之前，它都被认为是正确的。当研究人员有特定的置信水平（通常为95%到99%）时，数据不支持零假设，则会拒绝零假设。否则，研究人员将无法排除零假设。在大多数研究中，研究人员想要拒绝的是零假设。
备择假设
备择假设，也称为研究假设，用H1表示，是零假设的“死对头”。从本质上讲，备择假设与零假设相反。让我们考虑一个例子：我可以假设注意力，我在两种情况下对其进行测试，例如，在没有噪音的情况下和有噪音的情况下。
对于零假设，我会说两者之间没有差异，对于备择假设，我会说两者之间存在差异。零假设是我想要拒绝的，但我假设它是正确的，直到被证明是错误的。为了检验这个想法，我将进行研究和收集数据，并根据这些数据，我将拒绝或保留零假设。在这里，备择假设是我想要保留的。计算如果零假设正确，则观察到的效应（在这种情况下，注意力的差异）发生的可能性是确定是否支持备择假设的传统方法。如果这种效应发生的概率足够低，则备择假设将被用来代替零假设。否则，零假设将不会被证伪。也就是说，我将研究零假设并检验两者之间没有差异的想法。如果我的结果表明发生这种情况的概率极低，我将拒绝这个假设。拒绝零假设后，我将接受备择假设。从这个意义上说，备择假设是对为什么拒绝零假设的最佳解释。
假设检验的历史
尽管假设检验在20世纪初变得流行起来，但它最早是在18世纪被使用的。最初的使用归功于约翰·阿布斯诺特（1710年），随后是皮埃尔-西蒙·拉普拉斯（1770年代）在评估人类出生时的性别比例。卡尔·皮尔逊（p值，皮尔逊卡方检验）、威廉·西利·戈塞特（学生t分布）和罗纳德·费舍尔（“零假设”、方差分析、“显著性检验”）对现代显著性检验做出了巨大贡献。相比之下，假设检验是由耶日·内曼和埃贡·皮尔逊（卡尔之子）发展起来的。罗纳德·费舍尔最初是一位贝叶斯统计学家。然而，他很快对其中涉及的主观性（即在确定先验概率时使用无差异原理）感到不满。他试图为归纳推理提供一种更“客观”的方法。
费舍尔是一位农业统计学家，他强调严格的实验设计和在假设高斯分布的情况下从少量样本中提取结果的方法。内曼（与年轻的皮尔逊合作）强调数学严谨性和从更大样本和更广泛的分布中获得更多结果的方法。20世纪初出现的费舍尔与内曼/皮尔逊的公式、技术和术语与现代假设检验不相容。“显著性检验”是由费舍尔推广的。他需要一个零假设（对应于一个总体频率分布）和一个样本。他的（现在很熟悉的）计算决定是否拒绝零假设。因为显著性检验没有使用备择假设，所以没有II型错误的概念。p值被开发成一种非正式但客观的方法，以帮助研究人员决定是否调整未来的研究或增强对零假设的信念（基于其他知识）。内曼和皮尔逊将假设检验（和I/II型错误）开发成费舍尔p值的更客观替代方案，该方案也旨在评估研究人员的行为，但不依赖于研究人员的任何归纳推理。
实质性备择假设与概念性备择假设
当拒绝零假设时，科学家会推断概念性备择假设。这是一种解释为什么拒绝零假设的理由或理论。另一方面，统计备择假设并没有提供为什么拒绝零假设的实质性或科学依据；它只是零假设的逻辑补充。当拒绝零假设时，使用Neyman-Pearson方法确定统计备择假设，该方法考虑了至少两种相互竞争的假设，但只在一个假设下评估数据；此外，数据通常使用研究人员想要保留的假设进行检验。此时，研究人员的实质性备择假设通常被用作拒绝零假设的“原因”。然而，拒绝的零假设并不自动意味着研究人员的实质性备择假设是正确的。拒绝零假设的原因有很多。
结论
假设检验是每个社会科学研究人员工作的一个重要组成部分，而备择假设是这一过程中的重要组成部分。构建适当的假设至关重要，因为它是一项研究的核心。构建一个好的备择假设陈述是一门艺术，研究人员需要在这门艺术上精益求精。备择假设存在概念性和统计性两种形式。概念性备择假设对研究人员尤其重要。如果没有概念性备择假设，就不可能得出研究结论（除了拒绝零假设之外）。尽管备择假设很重要，但在社会科学（特别是较软的社会科学）中，拒绝零假设的目标占据了假设检验的主导地位，而证明推断出正确的概念性备择假设则受到了较少的关注。任何人都可以毫无疑问地拒绝零假设，但只有少数人能够识别并推断出合适的备择假设。
浏览量：206
