Chuyển đến nội dung

Giả thuyết không là gì?

Vì sao nghiên cứu bắt đầu từ giả định “không có tác động”, cách viết H₀ và H₁, và ý nghĩa của việc bác bỏ hay không bác bỏ giả thuyết không.

Chia sẻ

Giả thuyết không là gì?

Giả thuyết không (thường được ký hiệu là H₀) là một phát biểu chính thức trong kiểm định ý nghĩa thống kê, giả định rằng không có tác động, không có khác biệt hoặc không có mối quan hệ nào giữa các biến được nghiên cứu.

Sau đó, nhà nghiên cứu dùng dữ liệu và các phép kiểm định thống kê để đánh giá xem có thể bác bỏ giả định này để ủng hộ một giả thuyết thay thế (H₁ hoặc Hₐ) hay không.

Vì sao giả thuyết không quan trọng?

  • Nó cung cấp một mốc chuẩn rõ ràng (không có tác động) để so sánh dữ liệu.
  • Bác bỏ giả thuyết không cho thấy có bằng chứng ủng hộ giả thuyết thay thế (dù không phải là chứng minh với sự chắc chắn tuyệt đối).
  • Nó là nền tảng của kiểm định ý nghĩa, giá trị p, và sai lầm loại I và loại II.

Cách xây dựng giả thuyết không

Bắt đầu từ câu hỏi nghiên cứu, xác định biến độc lập và biến phụ thuộc, rồi viết một phát biểu về việc “không có mối quan hệ/khác biệt”. Ví dụ:
“H₀: Điểm trung bình của nhóm A bằng điểm trung bình của nhóm B.”

Hãy viết chính xác: dùng tham số của tổng thể thay vì thống kê của mẫu. Chọn phép kiểm định thống kê phù hợp cho tương ứng.

Ví dụ về giả thuyết không

  • Khác biệt giữa các nhóm: H₀: sinh viên ngủ 8 giờ và sinh viên ngủ 5 giờ có điểm ghi nhớ trung bình như nhau. H₁: điểm trung bình của họ khác nhau.
  • Mối quan hệ: H₀: không có tương quan giữa số giờ ôn tập và điểm thi (ρ = 0).
  • Tỷ lệ: H₀: tỷ lệ sinh viên năm nhất sử dụng thư viện là như nhau ở cả hai trường đại học.
  • Tính độc lập: H₀: việc chọn khóa học độc lập với giới tính (kiểm định khi bình phương).

Cách kiểm định giả thuyết không

  1. Nêu H₀ và H₁, và chọn mức ý nghĩa, thường là α = 0,05.
  2. Chọn phép kiểm định phù hợp với dữ liệu và thiết kế (kiểm định t, ANOVA, tương quan, khi bình phương).
  3. Tính thống kê kiểm định từ mẫu của bạn.
  4. So sánh nó với phân phối không (null distribution): phân phối mà thống kê kiểm định sẽ có nếu H₀ đúng. Giá trị p là xác suất thu được một kết quả ít nhất cũng cực đoan như kết quả của bạn theo phân phối đó.
  5. Nếu p nhỏ hơn α, hãy bác bỏ H₀; nếu không, không bác bỏ nó. Hãy báo cáo cả quy mô tác động (effect size) và khoảng tin cậy.

Một nhóm đối chứng và một cỡ mẫu đủ lớn làm cho phép kiểm định có ý nghĩa: với quá ít người tham gia, một tác động có thật rất dễ không được phát hiện (sai lầm loại II).

Thực hành tốt khi kiểm định giả thuyết không

  • Kiểm tra các giả định của phép kiểm định trước khi chạy.
  • Diễn giải trong bối cảnh: bác bỏ hoặc không bác bỏ H₀; đừng khẳng định bạn đã chứng minh H₁.
  • Thảo luận nguy cơ sai lầm loại I (dương tính giả) và loại II (âm tính giả).

Câu hỏi thường gặp về giả thuyết không

Có cách nào “chứng minh” giả thuyết không?

Không: khung thống kê cho phép bạn bác bỏ hoặc không bác bỏ H₀, nhưng bạn không thể chứng minh nó đúng; bạn chỉ có thể nói rằng chưa có đủ bằng chứng chống lại nó.

Điều gì xảy ra nếu không bác bỏ được giả thuyết không?

Điều đó có nghĩa là dữ liệu của bạn chưa cung cấp đủ bằng chứng để kết luận có khác biệt hoặc tác động: điều này không giống với “chứng minh rằng không có tác động”.

Trường hợp sử dụng: AI hỗ trợ viết bài nghiên cứu

Bài nghiên cứu tiếp theo của bạn, với trích dẫn thật.

Mô tả bài nghiên cứu và nhận dàn ý trong một phút. Gói Miễn phí không cần thẻ.