如何撰写零假设和备择假设

方法部分模板会写着“陈述你的零假设和备择假设”，却不给出任何例子，因此许多初稿会退化成一句充满希望的话：“我认为呼吸练习会有帮助。”这句话不是一对假设，导师的红笔很快就会发现这一点。学习如何写零假设和备择假设，与其说是记住一个公式，不如说是在纸面上准确表述一个你在脑中大概已经很准确的主张。

一对假设是两句话，不是一句。零假设陈述没有任何事情在发生,没有效应，没有差异，没有关系。备择假设陈述研究者所预测的具体效应。大多数初学者会把这两部分写反，他们试图证明自己的假设，而他们真正应该做的是用数据检验零假设。备择假设其实只是一个有根据的猜测。

如何写零假设和备择假设,基本形式

以一个持续的例子为例,考试前进行十分钟的呼吸练习，并检验它对自报考试焦虑的影响。零假设说这项练习不会改变任何事情：“考前呼吸练习对学生自报的考试焦虑没有影响。”备择假设说它会：“与不进行练习相比，考前呼吸练习与学生自报考试焦虑的差异有关。”方法部分中的每一对假设都遵循同样的形式，一个平直的无效应陈述，配一个平直的具体效应陈述。

这两部分都必须出现在页面上，尽管通常只有其中一部分最终会显得有意思。跳过零假设，只写研究者预期会发现什么，是在早期提案中失分最快的方法之一。这一步位于更广泛的流程之中，该流程在如何规划研究论文中有说明，它紧接在研究问题被缩小之后，并且就在提纲成形之前。

撰写零假设

零假设，写作 H0，是一种平淡的默认设定, 即没有效应，没有差异，研究中的变量之间没有关系。它描述的是，如果什么都没有发生，数据会呈现什么样子，而不是直接对现实世界作出主张，这一区分正是每一种统计检验实际要挑战的基线。

把它写成等式。以呼吸练习的例子为例，做了该练习的组的平均焦虑得分等于没有做该练习的组的平均焦虑得分。用普通语言而不是符号来表达，就是, 在考试前进行呼吸练习的学生与没有进行该练习的学生，在自我报告的考试焦虑上没有差异。明确写出两个组以及所测量的确切结果，而不只是笼统主题，才是真正的零假设与对研究问题的含糊复述之间的区别。A hypothesis generator 强制要求同样的具体性，因为在说明结果变量和比较组之前，它不会生成这对假设中的任何一半。

有方向还是无方向, 书写备择假设

备择假设有两种形式，选择并不只是文风问题。无方向的，或双尾的，备择假设预测存在差异，但不说明差异朝哪个方向: 呼吸练习会改变焦虑得分，可能更高，也可能更低，未作规定。有方向的，或单尾的，备择假设则明确指向一个方向: 呼吸练习会具体降低焦虑得分。

比较的内容	双尾（非方向性）	单尾（方向性）
备择假设说明	焦虑得分在各组之间存在差异，方向未说明	呼吸练习组的焦虑得分更低
零假设涵盖	各组之间没有差异	没有差异，或者存在与预测方向相反的差异
显著性阈值	分布在两个尾部，每个尾部约为 2.5%，在 0.05 水平下	集中在一个尾部，完整的 5%，在 0.05 水平下
你失去的东西	在特定方向上检测强效应的一部分统计功效	如果真实效应朝相反方向发展，无论多大，都无法主张显著性的能力

实际代价体现在最后一行。单尾检验更容易得到显著性，因为整个 5% 都集中在一个尾部，而不是分散到两个尾部。这也意味着，如果你后来发现呼吸练习让人们感到更焦虑, 也就是效应方向与预期相反，那么单尾检验只能用于检测“更低”，就无法识别出确实存在一个朝相反方向的真实效应。选择方向性，意味着把整个检验押在你已经对方向判断正确这一点上。

为什么必须在查看数据之前决定方向

方向性假设比非方向性假设更强，而更强的主张需要依据。如果之前有五项试验都发现呼吸练习能降低焦虑，而且一次也没有发现相反结果，那么方向性备择假设就有真实基础。如果这是第一次提出这个问题的研究，那么非方向性备择假设才是诚实的默认选择，因为此时还没有先前模式可以证明押注某个方向是合理的。

大多数导师和统计审稿人都期望采用非方向性检验，除非写作内容能够指出那类先前证据。只有在看到数值朝哪个方向变化之后才选择“方向性”，会让结果看起来比双尾检验本来允许的更显著，而这并不会改变数据实际有多么有说服力。在撰写研究计划时，在测试任何一名参与者之前，就应决定备择假设的形式，而一旦选定，后来任何人都不能再提出质疑。

拒绝原假设并不意味着你可以声称什么

拒绝原假设意味着，在预先设定的显著性水平下，通常是0.05，如果原假设实际上为真，那么所收集到的数据不太可能出现。这一主张比听起来更狭窄，而结果部分或讨论部分中的大多数过度推断，都来自写出了检验实际上并未支持的内容。

拒绝原假设并不能证明备择假设为真。单凭这一点，它并不能确立呼吸练习会降低焦虑，除非该研究是随机分配的对照实验，而不是对两个既有群体的比较。它也不能说明效应有多大，或者在实践上有多重要, 只要样本足够大，焦虑评分中微小的差异仍然可以通过0.05阈值。不拒绝原假设也有其自身的局限，它并不能证明不存在效应，只能说明这项特定研究，在这个样本量下，没有找到足够强的反对“无效应”的证据来排除它。

弱：结果没有显示什么	强：检验实际上支持什么
呼吸练习能减轻考试焦虑。	完成呼吸练习的学生报告的焦虑得分低于未完成该练习的学生，如果零假设为无差异，这种差距不太可能出现。
这证明了该练习有效。	该结果支持在这一样本中拒绝零假设。它并不能确立该练习能降低学生总体的焦虑。
结果具有统计显著性，所以效应很大。	统计显著性表明这种差异不太可能是偶然造成的。它并不能说明这种差异是否大到在实践中有意义。
该练习没有效果，因为结果不显著。	这项研究在该样本量下没有找到足够证据拒绝零假设，这与证明该练习确实没有效果不同。

左栏中的每一句话都像是初稿里会出现的表述，而且每一句都声称了统计并未真正支持的内容。修正通常不需要整体重写。往往只需改动一个从句，把“证明”换成“支持”，或者说明显著性水平，而不是断言确定性。

临床工作为同一目的使用结构化格式，而 PICOT question examples 是单独收集的。在论文中，对应的做法是 a thesis statement，它有自己的页面。

一旦假设写好、分析完成，描述结果的段落就是质量最容易下滑的下一处，通常是因为它们在最后被匆忙完成。An AI humanizer built for academic writing 是为这一后期阶段准备的工具，现在了解它是值得的，这样就不会在截止日期前一晚手忙脚乱。