查看原文
其他

关于研究假设所有的困惑, 看这一篇也许就够了!

2017-04-28 研究客 研究客

SPSS小白训练营】担心自己是数学小白,而学不会定量研究?5周,亚洲一哥带你突破统计学恐惧症,从此爱上统计学。戳此查看

在定量论文中常见的“H0”“H1”到底是什么?为啥有时候要拒绝H0,有时候又要拒绝H1?研究命题与研究假设究竟有什么区别?别着急,关于研究假设你所有的困惑,这篇文章将一一为你揭晓!全文长度1900


内容版权 | “亚洲一哥”张伟豪

整理及推荐人 | 东北师范大学小亮博士


1


H0假设与H1假设

统计学中的假设通常分为两部分,H0假设与H1假设。H0假设又称为“零假设”或“虚无假设”,它绝大部分情况下是假设“没有差异”“没有影响”;而H1假设称为“对立假设”,与H0的假设是互斥的,即假设“有差异”“有影响”。

例如,我们要研究年龄对亲社会意愿的影响。

(1)如果我们的研究希望得到的结果是,年龄能够影响亲社会意愿,比如说随着年龄的增长,人们的亲社会意愿会显著升高或者降低,那么我们的H0假设即为:年龄对亲社会意愿进行回归的回归系数=0(即没有影响),H1假设即为:年龄对亲社会意愿进行回归的回归系数≠0(即有影响);

(2)如果我们的研究希望得到的结果是,年龄不影响亲社会意愿,亲社会意愿不随着年龄变化,无论老少都一样,那么我们的H0假设依然为:年龄对亲社会意愿进行回归的回归系数=0(即没有影响),H1假设也依然为:年龄对亲社会意愿进行回归的回归系数≠0(即有影响)。所以,无论我们希望结果如何,上述两种情况的假设是完全一样的。不同的地方只是情况(1)中,我们希望数据得到的回归系数的t值是显著的,p值是小于0.05的,这样就可以接受H1,拒绝H0;而情况(2)中,我们希望回归系数的t值不显著,p值大于0.05,这样就可以接受H0了。

上述例子中,自变量年龄是连续变量,所以假设针对的是有无影响。如果我们要研究的是性别对亲社会意愿的影响,这时要检验的是亲社会意愿的性别差异,实际上即男性的亲社会意愿与女性的亲社会意愿是否存在差异。同样,无论我们希望得到的结果是有差异还是无差异,我们的H0假设都是:男性的亲社会意愿=女性的亲社会意愿,或者说男性的亲社会意愿-女性的亲社会意愿=0,H1假设都是:男性的亲社会意愿≠女性的亲社会意愿,或男性的亲社会意愿-女性的亲社会意愿≠0。如果得到的差异值显著,p<0.05,那么就说二者有差异,拒绝H0,接受H1;如果得到的差异值不显著,p>0.05,那么就说二者无差异,接受H0。

然而在大部分研究中,我们可以看到研究者在写假设时,都是写的自己所希望的结果(大部分是H1,即希望有影响;也有些情况下,会写H0,即希望没影响),这是研究习惯上的问题,与统计学上的H0与H1假设习惯不同。然而一个研究中,不论它写的假设、希望的结果是H0成立还是H1成立,只要结果p<0.05,就是指有差异、有影响;只要结果p>0.05,就是指无差异、无影响。


2


什么情况下我们会希望接受H0、不显著?

这个常常与你实际研究的问题有关。虽然研究中,大部分情况都是差异性结果更有意义,但也会有研究需要得到某些事物的一致性结果。比如你将被试分成了两组,首先要测量两组一开始的身体素质,再给予不同的锻炼计划,之后再测量锻炼后的身体素质。虽然我们会希望比较这两种锻炼计划的优劣,希望锻炼后的身体素质在两组之间存在显著差异,但是为了保证我们选取被试的随机性,我们常常希望两组被试在一开始的身体素质并没有显著差异。

以上是个案。统计学上有一类分析,是越不显著越好的,那就是拟合度分析。比如验证性因素分析就是一种典型的拟合度分析。我们会拿已有的理论结构去拟合数据,看拟合程度的好坏。这里常用到的是卡方检验,而卡方检验是一种对差异的度量。H0假设依然是:卡方值=0,H1假设也依然是卡方值≠0。但是,如果卡方值越大、越显著,那就说明理论模型与实际数据的差异越大,拟合效果越差,继而说明我们建构的模型对现实的解释能力越差。所以这类分析,我们通常是希望接受H0,希望卡方值不显著,越小越好。


3


假设与命题的区别是什么?

命题是维度之间关系的陈述;假设则是在具体研究中将维度操作化之后,对命题的重新叙述。比如,你要研究的问题是积极情绪对亲社会行为的影响,那么你的命题就是“积极情绪能够影响亲社会行为”“积极情绪越多,亲社会行为程度越大”。而具体研究中,积极情绪的操作定义是积极情绪量表的得分,亲社会行为的操作定义是被试的捐款数额,那么你的假设就是“积极情绪量表的得分能够影响捐款数额”、“积极情绪量表得分越高,则捐款数额越多”。

关于研究假设所有的困惑,这篇文章是否已为你拨开云雾见青天了呢,当然定量研究学习的道路上还会有更多的误区和疑惑,跟随我们将为你一一指点迷津。

定量研究往期干货优选:

微课 | 揭开统计学神秘面纱—其实你每天都在使用统计学

干货 | 如何一秒钟判断问卷题目是否具有鉴别力

干货| 遇到问卷“数据缺失”怎么办?亚洲一哥教你三招完美补救

ACADEMIC TRAINING

精品课程


点击上方图片,了解更多课程详情

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存