关于研究假设所有的困惑， 看这一篇也许就够了！

【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字。

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：

ACADEMIC TRAINING

精品课程

点击上方图片，了解更多课程详情