「假设检验八讲」第4讲：原假设和备择假设，到底怎么设定？

在统计检验中，假设设定是一切的起点。

很多同学在写论文或做实验时最常问的问题是：“到底该怎么设原假设？为什么原假设总是假定‘没有差异’？”

 【一】 从咖啡实验说起：研究总要有“假设对照”

假设你想研究“喝咖啡是否能提高工作效率”。你找来两组人，一组喝咖啡，一组喝白水，结果发现喝咖啡那组平均完成任务的时间更短。

看起来似乎“咖啡有效”，但统计学家不会立刻下结论。因为这个差异可能只是随机波动。于是，我们先假设一个“没有效应”的世界：

原假设（H₀）：喝咖啡不影响工作效率。
备择假设（H₁）：喝咖啡能提高工作效率。

然后我们用样本数据去检验这个假设。如果结果与“没有差异”的假设严重冲突（比如p值很小），就说明数据不支持H₀，我们才有理由认为“咖啡确实有效”。

 【二】 为什么原假设总是假定“没有差异”

原假设通常代表“无效应”或“无差异”的情形，这是统计学的基本策略：先假定总体之间没有区别，再让数据去证明相反的情况。

这就像法庭上的“未经证实前，被告无罪”，是一种防止误判的逻辑。

这种设定有三方面好处：

1️⃣ 逻辑清晰：只要找到足够证据反驳H₀，就能得出结论；
2️⃣ 推导方便：显著性检验的概率计算都以H₀成立为前提；
3️⃣ 保守稳健：不轻易宣称存在差异，降低“错判”的风险。

因此，原假设通常是“等于”关系（如均值相等、系数为零），而备择假设则是不等式关系（如不等于、大于或小于）。

【三】 单尾检验与双尾检验：方向该怎么理解？

如果研究者对方向有明确预期，就可以用单尾检验。例如：

H₀：咖啡不影响工作效率；
H₁：咖啡能提高工作效率（只关心“更好”的方向）。

但如果只想知道“是否存在差异”，不关心方向，则应采用双尾检验：

H₀：两组效率相等；
H₁：两组效率不相等。

需要注意的是，双尾检验的备择假设虽然没有方向，但结果的方向仍可由样本统计值判断。

比如当拒绝H₀后，如果样本均值  ，就说明差异的方向是“咖啡组更高”；反之则说明“白水组更高”。也就是说：

双尾检验告诉我们“存在差异”，而差异的方向由样本结果决定。

📘 延伸理解：单尾检验中的方向怎么判断？

这是学生最容易混淆的问题之一。

在单尾检验（one-tailed test）中，研究者事先就设定了方向，而样本结果只需验证是否与这一方向一致并显著。

例如：我们要检验“喝咖啡能提高反应速度”。

• H₀：喝咖啡后反应速度不变（μ₁ = μ₀）

• H₁：喝咖啡后反应速度变快（μ₁ < μ₀）

（因为反应时间越短表示越快，所以方向是“小于”）

如果样本结果确实显示喝咖啡后平均反应时间更短，且t统计量落入“小于”方向的显著区（p < 0.05），就可以拒绝H₀、接受H₁。

但如果结果反向（咖啡后反而更慢），即使p值很小，也不能说“显著”——因为那与我们设定的方向相反。

👉 记住：

单尾检验的方向由研究者事先确定；双尾检验的方向由样本结果事后判断。

【四】 设假设时常见的误区

第一，把研究假设当作原假设。研究者的“研究假设”往往是想验证某种关系存在，但统计检验的原假设恰恰相反，是“关系不存在”。

第二，方向写错。若你预测某变量正相关，则备择假设应为“系数>0”，而非“≠0”。

第三，缺乏理论依据。好的假设不是随便写的，而要建立在理论或文献支持之上。理论告诉我们为什么可能有差异，统计检验只是去验证这种可能性。

【五】 回归分析中的假设设定

在回归分析中，假设检验其实无处不在。比如模型：

我们要判断 y 有显著影响。

H₀：β₁ = 0（x没有影响）
H₁：β₁ ≠ 0（x有影响）

t值越大、p值越小，样本结果与“β₁=0”的假设越不相符，我们就越有理由拒绝H₀。

这正是t检验、p值和显著性检验背后的共同逻辑。

【六】 小结

假设检验的思维可以总结为三个步骤：

1️⃣ 先设一个保守的假设（H₀：一切正常）；
2️⃣ 提出一个挑战假设（H₁：我认为有变化）；
3️⃣ 用样本数据来验证，看看原假设还能否成立。

这就是统计推理的精髓：

我们不直接证明结论正确，而是用数据去否定错误的可能。

---

📚【延伸阅读】

• Neyman, J. & Pearson, E.S. (1933). On the Problem of the Most Efficient Tests of Statistical Hypotheses.

思考题：

在比较两种教学方法效果时，你会如何写出H₀和H₁？若采用双尾检验，方向应如何解释？