Ի՞նչ է զրոյական և այլընտրանքային վարկածը
Վիճակագրության և հետազոտական մեթոդների մեջ զրոյական վարկած (H0) և այլընտրանքային վարկած (H1 կամ Ha) տերմինները երկու հիմնական հասկացություններ են, որոնք հաճախ առաջանում են, երբ հետազոտողները ցանկանում են ստուգել վարկածը՝ օգտագործելով տվյալներ: Դրանք կազմում են վարկածի ստուգման հիմքը, որը մի ընթացակարգ է որոշելու համար, թե արդյոք նմուշից ստացված ապացույցները բավականաչափ ուժեղ են՝ բնակչության վերաբերյալ պնդումը հիմնավորելու համար: Թեև դա կարող է տեխնիկական հնչել, հիմնական գաղափարը իրականում պարզ է. մենք անում ենք երկու հակադիր պնդում, ապա օգտագործում ենք տվյալներ՝ որոշելու համար, թե որն է ավելի հավանական:
Հետազոտության մեջ վարկածի ըմբռնումը
Ընդհանուր առմամբ, վարկածը նախնական ենթադրություն կամ պնդում է, որի ճշմարտացիությունը կարող է ստուգվել: Քանակական հետազոտություններում վարկածները սովորաբար ձևակերպվում են փոփոխականների միջև կապերի կամ խմբերի միջև տարբերությունների տեսքով: Օրինակ՝ «Ուսումնասիրության A մեթոդն ավելի արդյունավետ է, քան ուսումնասիրության B մեթոդը» կամ «Կա կապ քնի տևողության և կենտրոնացման մակարդակի միջև»:
Սակայն, երբ այս վարկածները բերվում են վիճակագրական վերլուծության ոլորտ, դրանք սովորաբար բաժանվում են երկու զույգի՝ զրոյական վարկած և այլընտրանքային վարկած։
Ի՞նչ է զրոյական վարկածը (H0):
Զրոյական վարկածը (H0) պնդում է, որը սովորաբար նշում է, որ տարբերություն, ազդեցություն կամ կապ չկա: H0-ն հաճախ համարվում է «լռելյայն» կամ «ստատուս քվոյի» դիրքորոշում: Վիճակագրական թեստերում հետազոտողները սովորաբար սկսում են այն ենթադրությունից, որ H0-ն ճշմարիտ է, ապա տվյալներից ապացույցներ են փնտրում այն հերքելու համար:
Զրոյական վարկածի ընդհանուր բնութագրերը.
1. Հայտարարելով, որ ազդեցություն կամ տարբերություն չկա։
2. Դառնալ թեստավորման սկզբնական հղում։
3. Մերժվել է կամ չի մերժվել վիճակագրական թեստերի արդյունքների հիման վրա։
Զրոյական վարկածի օրինակ՝
– «A և B մեթոդն օգտագործող դասարանների միջև միջին գնահատականների միջև տարբերություն չկա»։
– «Ուսումնական ժամերի քանակի և քննությունների միավորների միջև կապ չկա»։
– «Ուսանողների միջին հասակը 165 սմ է»։
Վիճակագրական նշագրության մեջ զրոյական վարկածը հաճախ ներառում է = նշան, օրինակ՝ μ = 165 կամ p = 0,5: Հավասարության նշանը կարևոր է, քանի որ H0-ն սովորաբար ցույց է տալիս, որ բնակչության պարամետրը որոշակի արժեքի վրա է:
Ո՞րն է այլընտրանքային վարկածը (H1/Ha):
Այլընտրանքային վարկածը (H1 կամ Ha) պնդում է, որը հակասում է զրոյական վարկածին: H1-ը նշում է, որ կա տարբերություն, ազդեցություն կամ կապ: Եթե H0-ն մերժվում է, հետազոտողը ստանում է H1-ի աջակցությունը (չնայած տեխնիկապես սա H0-ի մերժում է, այլ ոչ թե H1-ի վերջնական «ապացուցում»):
Այլընտրանքային վարկածների ընդհանուր բնութագրերը.
1. Նշել որևէ հետևանքի, տարբերության կամ հարաբերության գոյությունը։
2. Դառնալ այն հիմնական նպատակը, որը հետազոտողները ցանկանում են աջակցել։
3. Անուղղակիորեն ընդունվում է, երբ H0-ն մերժվում է։
Այլընտրանքային վարկածների օրինակներ՝
– «A դասի մեթոդի և B մեթոդի միջև միջին արժեքի տարբերություն կա»։
– «Կա կապ ուսումնական ժամերի քանակի և քննությունների միավորների միջև»։
– «Ուսանողների միջին հասակը հավասար չէ 165 սմ-ի»։
Նշագրության մեջ H1-ը հաճախ օգտագործում է ≠, > կամ < նշանները՝ կախված թեստի տեսակից։ H0-ի և H1-ի միջև կապը. փոխադարձաբար բացառող պնդումների զույգ։ H0-ն և H1-ը պետք է փոխադարձաբար բացառող լինեն, ինչը նշանակում է, որ դրանք չեն կարող միաժամանակ ճշմարիտ լինել։ Եթե H0-ն նշում է «տարբերություն չկա», ապա H1-ը նշում է «տարբերություն կա»։ Այս զույգը միտումնավոր է ստեղծվում, որպեսզի հետազոտողները կարողանան հստակ որոշումներ կայացնել տվյալների հիման վրա։ Օրինակ, եթե ուսումնասիրությունը ցանկանում է պարզել, թե արդյոք նոր դեղամիջոցը իջեցնում է արյան ճնշումը. - H0. Նոր դեղամիջոցը չի իջեցնում արյան ճնշումը (կամ նվազումը նույնն է, ինչ հին դեղամիջոցը)։ - H1. Նոր դեղամիջոցը իջեցնում է արյան ճնշումը (ավելի արդյունավետ)։ Փորձի տվյալներով հետազոտողները անցկացնում են վիճակագրական թեստեր՝ պարզելու համար, թե արդյոք ապացույցները բավականաչափ ուժեղ են H0-ն մերժելու համար։ Այլընտրանքային վարկածների տեսակները՝ միակողմանի և երկկողմանի։
Այլընտրանքային վարկածները կարող են լինել երկկողմանի կամ միակողմանի։ 1. Երկկողմանի թեստ - H1-ը նշում է «տարբեր»՝ առանց նշելու՝ մեծ է կամ փոքր։ - Օրինակ՝ - H0: μ = 165 - H1: μ ≠ 165 Այս թեստն օգտագործվում է, եթե հետազոտողը ցանկանում է միայն իմանալ, թե արդյոք տարբերություն կա, առանց որոշակի ուղղության։ 2. Միակողմանի թեստ - H1-ը նշում է տարբերության ուղղությունը՝ մեծ է կամ փոքր։ - Օրինակ՝ - H0: μ ≤ 165 - H1: μ > 165կամ
– H0: μ ≥ 165
– H1: μ < 165 Այս թեստը կիրառվում է, եթե հետազոտողն արդեն իսկ ունի ուղղորդված ենթադրություն՝ հիմնված տեսության կամ նախորդ ուսումնասիրությունների վրա: Միակողմանի կամ երկկողմանի թեստի ընտրությունը կարևոր է, քանի որ այն ազդում է մերժման տիրույթի որոշման և արդյունքների մեկնաբանման վրա: Ինչպես որոշում կայացնել. մերժել կամ չմերժել H0-ն: Հիպոթեզի ստուգման ժամանակ սովորական որոշումներն են՝ - Մերժել H0-ն. տվյալները տրամադրում են բավականաչափ ուժեղ ապացույցներ՝ պնդելու համար, որ արդյունքները անհամատեղելի են H0-ի հետ: - Չմերժել H0-ն. տվյալները բավականաչափ ուժեղ չեն H0-ն մերժելու համար (սա չի նշանակում, որ H0-ն ճշմարիտ է ապացուցված): «Չմերժել» տերմինն օգտագործվում է, քանի որ նմուշի վրա հիմնված հետազոտությունը միշտ ունի անորոշություն: Մենք հազվադեպ ենք կարող «ապացուցել» ինչ-որ բան բացարձակ վստահությամբ. մենք կարող ենք միայն գնահատել, թե որքան ուժեղ են առկա ապացույցները: Որոշումներ կայացնելու հայտնի գործիքներից մեկը p-արժեքն է. - Եթե p-արժեքը < α (օրինակ՝ α = 0,05), ապա H0-ն մերժվում է: - Եթե p-արժեքը ≥ α, ապա H0-ն չի կարող մերժվել: Այստեղ α-ն նշանակալիության մակարդակն է, հետազոտողի հանդուրժողականության սահմանը H0-ն մերժելիս սխալ թույլ տալու հնարավորության համար: Հիպոթեզի ստուգման սխալներ՝ I տիպի և II տիպի: Քանի որ վիճակագրական որոշումները միշտ չէ, որ ճիշտ են, ճանաչվում են երկու տեսակի սխալներ՝ 1. I տիպի սխալ (α) - H0-ի մերժում, երբ H0-ն ճիշտ է: - Օրինակ՝ եզրակացնել, որ դեղամիջոցը արդյունավետ է, երբ այն արդյունավետ չէ: 2. II տիպի սխալ (β) - H0-ն մերժելու անհաջողություն, երբ H0-ն կեղծ է: - Օրինակ՝ դեղամիջոցի անարդյունավետ լինելու եզրակացությունը, երբ այն իրականում արդյունավետ է: Հետազոտողները սովորաբար վերահսկում են I տիպի սխալի ռիսկը α-ի միջոցով (օրինակ՝ 0,05): Միևնույն ժամանակ, II տիպի սխալի ռիսկը կապված է ուսումնասիրության հզորության, նմուշի չափի և տվյալների փոփոխականության հետ: Պարզ օրինակ առօրյա կյանքից. Պատկերացրեք, որ դուք ցանկանում եք ստուգել, թե արդյոք արտադրական թիմը բարելավում է որակը մեքենաները փոխելուց հետո: - H0: Մեքենայի փոփոխությունը չի բարելավում արտադրանքի միջին որակը: - H1: Մեքենայի փոփոխությունը բարելավում է արտադրանքի միջին որակը: Դուք հավաքում եք տվյալներ արտադրական թերությունների վերաբերյալ մեքենայի փոփոխությունից առաջ և հետո: Եթե վերլուծության արդյունքները ցույց են տալիս զգալի տարբերություն (օրինակ՝ թերությունները նվազում են, և p-արժեքը < 0,05), դուք մերժում եք H0-ն և հաստատում, որ նոր մեքենան օգնել է: Եզրակացություն. Զրոյական վարկածը և այլընտրանքային վարկածը վիճակագրության մեջ վարկածների ստուգման սիրտն են: Զրոյական վարկածը (H0) սովորաբար նշում է, որ ազդեցություն կամ տարբերություն չկա, մինչդեռ այլընտրանքային վարկածը (H1/Ha) նշում է, որ ազդեցություն կամ տարբերություն կա: Տվյալների միջոցով հետազոտողները ստուգում են, թե արդյոք ապացույցները բավականաչափ ուժեղ են H0-ն մերժելու համար: Այս հասկացության ըմբռնումը մեզ օգնում է ավելի քննադատաբար կարդալ հետազոտության արդյունքները, նախագծել ավելի լավ փորձեր և կայացնել ավելի ռացիոնալ, տվյալների վրա հիմնված որոշումներ: Եթե ցանկանում եք, ես կարող եմ օգնել ձեզ ստեղծել ձեր հետազոտական թեմային (օրինակ՝ կրթություն, առողջապահություն, բիզնես) վերաբերող զրոյական և այլընտրանքային վարկածների օրինակներ՝ լրացված համապատասխան վիճակագրական թեստերով:
