Jak sformułować hipotezę zerową i alternatywną?

Hipoteza zerowa (H0) zakłada brak efektu, różnicy lub związku, a hipoteza alternatywna (H1) wskazuje, że taki efekt istnieje. Aby sformułować je poprawnie, trzeba określić problem badawczy, zmienne, kierunek oczekiwanej różnicy i zapisać oba założenia tak, aby wzajemnie się wykluczały.

Czym różnią się H0 i H1?

Hipoteza statystyczna jest przypuszczeniem dotyczącym populacji, jej parametrów, rozkładu albo zależności między zmiennymi. Badacz sprawdza ją na podstawie danych z próby, ponieważ zwykle nie bada całej populacji.

W formalnym teście punktem wyjścia jest hipoteza zerowa. Przyjmuje się ją jako domyślne założenie, dopóki wyniki nie dostarczą wystarczających podstaw do jej odrzucenia. Hipoteza alternatywna opisuje stan przeciwny lub niezgodny z H0.

Wynik testu prowadzi do jednej z dwóch decyzji: odrzucenia H0 albo braku podstaw do jej odrzucenia. Nie należy pisać, że test „potwierdził H0”. Brak istotnego wyniku oznacza tylko, że dane z próby nie dostarczyły wystarczających argumentów przeciwko hipotezie zerowej.

Odrzucenie H0 również nie oznacza stuprocentowego dowodu prawdziwości H1. Oznacza, że przy przyjętym poziomie istotności wynik jest na tyle mało zgodny z H0, że badacz decyduje się ją odrzucić.

Jak sformułować hipotezę zerową i alternatywną?

Najpierw trzeba przełożyć ogólne pytanie badawcze na konkretne zmienne i parametry. Przykładowo pytanie „Czy nowa wersja strony zwiększa konwersję?” dotyczy dwóch grup oraz różnicy między ich odsetkami konwersji. Można oznaczyć je jako pA i pB.

Procedura formułowania hipotez wygląda następująco:

1. Określ problem badawczy – zapisz, co chcesz porównać, przewidzieć albo sprawdzić.
2. Wybierz zmienne i parametry – ustal, co będzie mierzone oraz jakimi wartościami można to opisać, na przykład średnią μ, odsetkiem p albo wariancją σ².
3. Zdecyduj, czy interesuje Cię sama różnica, czy jej kierunek – pytanie „czy grupy się różnią?” prowadzi do testu dwustronnego, a pytanie „czy wynik wzrósł?” do testu jednostronnego.
4. Zapisz H0 i H1 symbolicznie – H0 powinno opisywać stan wyjściowy, a H1 jego logiczne przeciwieństwo.

Przykład dla porównania średnich dwóch grup może wyglądać tak:

H0: μ1 = μ2
H1: μ1 ≠ μ2

Jeżeli pytanie dotyczy wzrostu wyniku w grupie pierwszej, zapis zmienia się na:

H0: μ1 ≤ μ2
H1: μ1 > μ2

W wielu podstawowych testach hipoteza zerowa przyjmuje postać równości, natomiast hipoteza alternatywna zawiera znak „różne od”, „mniejsze od” albo „większe od”. Najważniejsze jest zachowanie zgodności między pytaniem badawczym, kierunkiem H1 i późniejszą metodą analizy.

Test jednostronny czy dwustronny?

Wybór hipotezy alternatywnej określa położenie obszaru odrzucenia H0. Przy hipotezie dwustronnej istotne mogą być zarówno bardzo niskie, jak i bardzo wysokie wartości statystyki testowej. Przy hipotezie jednostronnej sprawdza się tylko jeden kierunek.

Test jednostronny nie powinien być wybierany dopiero po obejrzeniu wyników, tylko po to, aby łatwiej uzyskać istotność statystyczną. Kierunek musi wynikać z pytania badawczego, wcześniejszej wiedzy albo projektu badania. Jeśli zarówno wzrost, jak i spadek mają znaczenie, właściwy będzie test dwustronny.

Poziom istotności α określa maksymalne ryzyko błędu typu I, czyli odrzucenia prawdziwej H0. Często przyjmuje się α = 0,05, ale wybór zależy od dziedziny i konsekwencji błędnej decyzji. Nie zastępuje on poprawnego sformułowania hipotez.

Przykłady hipotez w różnych dziedzinach

Poniższe przykłady pokazują, jak przejść od pytania badawczego do zapisu H0 i H1:

• Marketing, test A/B – H0: pA = pB, czyli wersje strony mają taką samą konwersję. H1: pA ≠ pB, jeśli badacz chce wykryć każdą różnicę, albo H1: pB > pA, jeśli z góry sprawdza wzrost konwersji po wdrożeniu wersji B.
• Medycyna, nowy lek – H0: μlek = μstandard, czyli średni efekt nowej terapii nie różni się od standardu. H1: μlek > μstandard, jeśli badanie ma sprawdzić, czy nowa terapia daje większą poprawę.
• Psychologia, interwencja – H0: μprzed = μpo, czyli średni poziom mierzonej cechy nie zmienia się po interwencji. H1: μprzed ≠ μpo, jeśli możliwa jest zarówno poprawa, jak i pogorszenie.

W każdym przykładzie hipotezy dotyczą populacji, choć obliczenia wykonuje się na próbie. Odpowiedni test zależy od rodzaju danych i projektu badania. Do porównywania średnich może służyć test t-Studenta, dane kategoryczne analizuje się między innymi testem chi-kwadrat, a wariancje można porównywać testem F.

Najczęstsze błędy i lista kontrolna

Przed rozpoczęciem analizy sprawdź, czy hipotezy spełniają podstawowe warunki:

• Hipotezy odnoszą się do jasno określonych zmiennych, populacji i parametrów.
• H0 i H1 wzajemnie się wykluczają, a razem obejmują rozważane możliwości.
• Obie hipotezy są testowalne i można wskazać dane, które przemawiałyby przeciwko H0.
• Hipoteza alternatywna ma właściwy kierunek albo świadomie pozostaje dwustronna.
• Nie zmieniasz H1 po obejrzeniu wyników, aby dopasować ją do zaobserwowanego efektu.
• Wnioski będą dotyczyć istotności statystycznej, a nie automatycznie praktycznej ważności efektu.

Typowym błędem jest też sformułowanie hipotezy w sposób nieostry, na przykład „nowa metoda działa lepiej”. Trzeba określić, co oznacza „lepiej”, dla kogo, w jakim pomiarze i względem jakiej grupy odniesienia. Samo stwierdzenie, że wynik jest istotny statystycznie, nie informuje jeszcze o wielkości ani znaczeniu efektu.

Co zapamiętać?

Najpierw zapisz pytanie badawcze, następnie określ zmienne i wybierz kierunek analizy. H0 opisuje brak różnicy lub efektu, a H1 stan przeciwny. Test statystyczny nie dowodzi H0, lecz pozwala zdecydować, czy są podstawy do jej odrzucenia. Odrzucenie H0 wskazuje na istotność statystyczną przy przyjętym poziomie α, ale nie oznacza absolutnej pewności ani automatycznie dużego znaczenia praktycznego.