Hipoteza jest specyficznym stwierdzeniem dotyczącym przewidywań. Opisuje ona w sposób konkretny (a nie teoretyczny), czego spodziewasz się w swoim badaniu. Nie wszystkie badania mają hipotezy. Czasami badanie ma charakter eksploracyjny (zob. badania indukcyjne). Nie ma formalnej hipotezy i być może celem badania jest dokładniejsze zbadanie jakiegoś obszaru w celu sformułowania konkretnej hipotezy lub przewidywania, które będzie można sprawdzić w przyszłych badaniach. Pojedyncze badanie może mieć jedną lub wiele hipotez.
Właściwie zawsze, gdy mówię o hipotezie, tak naprawdę myślę jednocześnie o dwóch hipotezach. Powiedzmy, że przewidujesz, iż w twoim badaniu będzie istniał związek między dwiema zmiennymi. Sposób, w jaki formalnie przeprowadzilibyśmy test hipotezy, polega na sformułowaniu dwóch hipotez – jednej, która opisuje Twoje przewidywania, i drugiej, która opisuje wszystkie inne możliwe wyniki w odniesieniu do hipotetycznego związku. Przewidujesz, że zmienna A i zmienna B będą powiązane (nie obchodzi Cię, czy jest to zależność dodatnia czy ujemna). Wtedy jedynym innym możliwym wynikiem byłoby to, że zmienna A i zmienna B nie są ze sobą powiązane. Zazwyczaj hipotezę, którą popierasz (twoje przewidywania) nazywamy hipotezą alternatywną, a hipotezę opisującą pozostałe możliwe wyniki nazywamy hipotezą zerową. Czasami używamy notacji takiej jak HA lub H1, aby reprezentować hipotezę alternatywną lub twoje przewidywania, a HO lub H0, aby reprezentować przypadek zerowy. Musisz być jednak ostrożny. W niektórych badaniach twoje przewidywania mogą być takie, że nie będzie żadnej różnicy lub zmiany. W tym przypadku, zasadniczo próbujesz znaleźć wsparcie dla hipotezy zerowej i jesteś przeciwny hipotezie alternatywnej.
Jeśli twoje przewidywania określają kierunek, a zatem zerowe jest przewidywanie braku różnicy i przewidywanie przeciwnego kierunku, nazywamy to hipotezą jednoogonową. Na przykład, wyobraźmy sobie, że badamy efekty nowego programu szkoleniowego dla pracowników i wierzymy, że jednym z rezultatów będzie mniejsza absencja pracowników. Twoje dwie hipotezy mogą być sformułowane w następujący sposób:
Hipoteza zerowa dla tego badania brzmi:
HO: W wyniku programu szkoleniowego dla pracowników firmy XYZ nie wystąpi istotna różnica w absencji pracowników lub nastąpi jej istotny wzrost.
która jest testowana w konfrontacji z hipotezą alternatywną:
HA: W wyniku programu szkoleniowego dla pracowników firmy XYZ nastąpi znaczący spadek absencji pracowników.
Na rysunku po lewej stronie widzimy tę sytuację przedstawioną graficznie. Hipoteza alternatywna – Twoje przewidywanie, że program zmniejszy absencję – jest tam przedstawiona. Hipoteza zerowa musi uwzględniać dwa pozostałe możliwe warunki: brak różnicy lub wzrost absencji. Na rysunku przedstawiono hipotetyczny rozkład różnic w absencji. Widzimy, że termin „jednoogonowy” odnosi się do ogona rozkładu zmiennej wynikowej.
Gdy twoje przewidywania nie określają kierunku, mówimy, że masz hipotezę dwuogonową. Na przykład, załóżmy, że badasz nowy lek na depresję. Lek ten przeszedł wstępne badania na zwierzętach, ale nie został jeszcze przetestowany na ludziach. Wierzysz (na podstawie teorii i wcześniejszych badań), że lek będzie działał, ale nie jesteś wystarczająco pewny siebie, by postawić hipotezę, że lek zmniejszy depresję (w końcu widziałeś, że pojawiło się więcej niż wystarczająco obiecujących leków, które ostatecznie okazały się mieć poważne skutki uboczne, które faktycznie pogorszyły objawy). W tym przypadku można by postawić dwie hipotezy w ten sposób:
Hipoteza zerowa dla tego badania brzmi:
HO: W wyniku stosowania leku ABC w dawce 300mg./dzień nie wystąpi istotna różnica w depresji.
która jest testowana w stosunku do hipotezy alternatywnej:
HA: W wyniku stosowania leku ABC w dawce 300mg./dzień wystąpi istotna różnica w depresji.
Rysunek po prawej stronie ilustruje to dwuogonkowe przewidywanie dla tego przypadku. Ponownie zauważ, że termin „dwuogonowa” odnosi się do ogonów rozkładu zmiennej wynikowej.
Ważną rzeczą do zapamiętania przy stawianiu hipotez jest sformułowanie przewidywań (kierunkowych lub nie), a następnie sformułowanie drugiej hipotezy, która wzajemnie wyklucza się z pierwszą i uwzględnia wszystkie możliwe alternatywne wyniki dla tego przypadku. Kiedy analiza badania jest zakończona, pomysł jest taki, że będziesz musiał wybrać pomiędzy tymi dwiema hipotezami. Jeśli Twoje przewidywania były prawidłowe, to (zazwyczaj) odrzucasz hipotezę zerową i akceptujesz alternatywną. Jeśli pierwotne przewidywania nie znajdują potwierdzenia w danych, wówczas należy zaakceptować hipotezę zerową i odrzucić alternatywną. Logika testowania hipotez opiera się na tych dwóch podstawowych zasadach:
- sformułowanie dwóch wzajemnie wykluczających się hipotez, które razem wyczerpują wszystkie możliwe wyniki
- testowanie ich tak, że jedna jest koniecznie przyjęta, a druga odrzucona
OK, wiem, że to zawiły, niezręczny i formalistyczny sposób zadawania pytań badawczych. Ale obejmuje długą tradycję w statystyce zwaną modelem hipotetyczno-dedukcyjnym, a czasami po prostu musimy robić rzeczy, bo takie są tradycje. A zresztą, gdyby całe to testowanie hipotez było na tyle proste, że każdy mógłby je zrozumieć, jak myślisz, w jaki sposób statystycy zostaliby zatrudnieni?