Testowanie hipotez zerowych
Testowanie istotności hipotezy zerowej (NHST) jest dominującym paradygmatem statystycznym w badaniach empirycznych. Hipoteza zerowa (H₀) reprezentuje domyślne założenie – zazwyczaj „brak efektu” lub „brak różnicy” – podczas gdy hipoteza alternatywna (H₁) reprezentuje testowane twierdzenie. Test oblicza prawdopodobieństwo zaobserwowania danych przy założeniu, że H₀ jest prawdziwa (wartość p); jeśli p jest bardzo małe, H₀ jest odrzucana na rzecz H₁. Opracowany przez Ronalda Fishera i rozszerzony przez Neymana i Pearsona na początku XX wieku, NHST stanowi podstawę badań konfirmacyjnych, ale był szeroko krytykowany za niewłaściwe użycie i błędne interpretacje.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd. link ↗
- Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society, 231, 289–337. DOI: 10.1098/rsta.1933.0009 ↗
- Gigerenzer, G., & Marewski, J. N. (2015). Surrogate Science: The Idol of a Universal Method for Scientific Inference. Journal of Management, 41(2), 421–440. DOI: 10.1177/0149206314547522 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Null Hypothesis Significance Testing (NHST) and Hypothesis Formulation. ScholarGate. https://scholargate.app/pl/research-statistics/null-hypothesis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Przedział ufnościStatystyka w badaniach↔ compare
- Wartość p i istotność statystycznaStatystyka w badaniach↔ compare
- Moc statystyczna a wielkość próbyStatystyka w badaniach↔ compare
- Błędy typu I i typu IIStatystyka w badaniach↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →