1 概要
対立仮説は、統計的仮説検定で帰無仮説の代わりに支持されうる仮説である。多くの場合、差がある、効果がある、関係が存在する、といった主張を表し、観測データから妥当性が評価される。
この概念は、単に「何かが起きている」と言うだけでなく、どの方向の変化を想定するか、どの範囲の値を問題にするかを明確にする役割を持つ。したがって、研究の問いを統計的に定式化するための中心的な枠組みとなる。
1.1 定義
対立仮説とは、調査対象の母集団に関して、帰無仮説と対置される命題である。記号ではしばしば H1 や Ha で表される。
この仮説は、平均値の差、割合の差、相関の存在など、研究目的に応じて内容が定められる。仮説検定では、データが帰無仮説と整合的かどうかを確認したうえで、対立仮説の支持を検討する。
1.2 帰無仮説との関係
帰無仮説は、一般に「差がない」「効果がない」「関連がない」といった基準となる主張である。これに対し、対立仮説はその否定または対案として置かれる。
両者は対になっているが、同じ意味ではない。帰無仮説が棄却されたからといって、対立仮説が完全に証明されたことにはならず、あくまで現在のデータが帰無仮説よりも対立仮説に整合的であると判断する。
1.3 統計的仮説検定における位置づけ
統計的仮説検定では、まず帰無仮説と対立仮説を定め、標本データから検定統計量を計算する。その結果にもとづいて、あらかじめ設定した有意水準で帰無仮説を評価する。
この手順では、対立仮説が検定の方向性を決める。片側か両側かという選択は、どの領域を「帰無仮説に不利な証拠」とみなすかに直結するため、仮説設定の段階で重要になる。
2 基本的な種類
対立仮説は、主に方向の有無と、命題の具体性によって分類される。研究の問いに応じて、片側・両側・単純・複合といった形が使い分けられる。
2.1 片側対立仮説
片側対立仮説は、差や効果の方向を一方向に限定する仮説である。たとえば、母平均が基準値より大きい、または小さい、という形で表される。
この形式は、あらかじめ方向性のある理論的根拠や実務上の関心がある場合に用いられる。検定では、定めた方向と反対側の差は対立仮説の支持材料にならない。
2.1.1 上側検定
上側検定では、母数が基準値より大きいことを主張する。平均値であれば、母平均がある値を上回るかどうかを調べる形になる。
この検定は、増加や上昇を問題にする場面で使われる。臨床や品質管理などで、基準を超えるかどうかを確認したいときに適している。
2.1.2 下側検定
下側検定では、母数が基準値より小さいことを仮定する。平均値であれば、母平均がある値を下回るかどうかが焦点になる。
この方法は、減少や低下を検証したい場合に有用である。基準未満であることを確認する必要がある場面では、上側検定とは逆の方向に判定領域を置く。
2.2 両側対立仮説
両側対立仮説は、基準値と異なることを主張し、増加と減少の両方を考慮する。値が大きくても小さくても、いずれも対立仮説の候補となる。
方向が事前に特定できない場合や、どちらの変化も重要な場合に採用される。分布の両端に拒否域を持つため、片側検定よりも広い範囲の逸脱を検出対象とする。
2.3 単純仮説と複合仮説
単純仮説は、母数の値が一つに定まっている仮説である。たとえば、平均が特定の値に等しい、といった形が該当する。
複合仮説は、複数の値を許す仮説で、一定の範囲や不等号で表されることが多い。実際の対立仮説は複合仮説として記述されることが少なくない。
3 設定と解釈
対立仮説の妥当性は、研究目的、許容する誤り、検出したい効果の大きさによって左右される。記号の形だけでなく、何を実際に確かめたいのかを反映して設定する必要がある。
3.1 研究目的との対応
仮説は、研究課題をそのまま翻訳したものであるべきである。たとえば、新しい手法が既存法より優れているかを見たいなら、優越の方向を含む対立仮説が自然である。
一方、単に差の有無を知りたいなら、両側仮説が適切になりやすい。目的と仮説の対応が不十分だと、結果の解釈が曖昧になる。
3.2 有意水準との関係
有意水準は、帰無仮説を誤って棄却する確率の上限として定められる。対立仮説をどのように置くかによって、拒否域の位置と広さが変わる。
片側検定では、同じ有意水準でも一方向に判定力を集中できる。そのため、方向が正しいと事前に考えられる場合は、両側検定よりも検出しやすくなることがある。
3.3 検出力との関係
検出力は、対立仮説が真であるときにそれを正しく支持できる確率である。対立仮説の内容が明確であるほど、想定する効果の大きさに応じた検出力を設計しやすい。
検出力は標本サイズや分散にも影響される。仮説を広く取りすぎると、実際に知りたい変化に対する感度が下がることがあるため、研究計画の段階での調整が重要である。
3.4 仮説の表現方法
対立仮説は、言葉だけでなく数式でも表される。平均、割合、分散、回帰係数など、対象となる母数に応じて不等号や等号を用いて記述する。
表現は簡潔であるほど望ましいが、あいまいであってはならない。何を比較し、どの方向を問題にし、どの母数に関心があるのかが一読で分かる形が適切である。
4 応用
対立仮説は、統計手法を用いる多くの分野で基礎的な位置を占める。実験、観察研究、評価研究など、場面に応じて仮説の立て方が異なる。
4.1 実験計画法
実験計画法では、処置の効果を検証するために対立仮説が設定される。比較群を設け、処置群と対照群の差を統計的に調べることが多い。
この分野では、因子の水準や交互作用も検討対象になる。仮説を明確に置くことで、実験条件の設計やサンプルサイズの決定がしやすくなる。
4.2 医学統計
医学統計では、新薬や治療法の効果、安全性、非劣性などを評価する際に対立仮説が使われる。臨床試験では、あらかじめ主要評価項目に応じた仮説が設定される。
医療分野では、統計的有意性だけでなく臨床的意義も重視される。わずかな差でも統計的には検出されうるため、実際の利益やリスクを含めて解釈する必要がある。
4.3 心理学統計
心理学では、認知、感情、行動の差や関連を検証するために対立仮説が用いられる。反応時間や評定値など、多様な測定値が対象になる。
この分野では、効果の方向を事前理論から予想することもあれば、探索的に差を確認することもある。したがって、片側と両側の使い分けが重要になる。
4.4 社会科学における利用
社会科学では、教育、経済、組織、行動などの現象を数量的に調べる際に対立仮説が用いられる。観察データを扱う場合でも、変数間の関係を検証する枠組みとして機能する。
ただし、社会現象は複数の要因が絡みやすいため、単純な仮説だけでは十分でないことがある。モデルの前提や交絡要因を踏まえた設定が求められる。
5 関連概念
対立仮説は、仮説検定全体の中で他の統計概念と密接に結びついている。誤判定の種類や推定の手法を理解すると、その意味がより明確になる。
5.1 第一種過誤と第二種過誤
第一種過誤は、真の帰無仮説を誤って棄却することである。第二種過誤は、偽の帰無仮説を見逃してしまうことを指す。
対立仮説をどう設定するかによって、これらの誤りの生じ方や重みづけが変わる。検定の設計では、どちらの過誤をより避けたいかを考慮することが多い。
5.2 検定統計量
検定統計量は、標本データを要約して仮説の判定に用いる数値である。t 値、z 値、χ2 値などが代表例である。
対立仮説の方向に応じて、統計量の大きさや符号のどこに注目するかが変わる。したがって、統計量は仮説の形式と一体で理解されるべきである。
5.3 信頼区間
信頼区間は、母数のありうる範囲を推定する方法である。対立仮説の検定結果と併せて読むことで、差の大きさや不確実性を把握しやすくなる。
特定の仮説値が信頼区間に含まれるかどうかは、検定結果と対応する。これにより、仮説検定を点の判断だけでなく、区間推定の観点からも確認できる。
5.4 ベイズ的仮説との比較
ベイズ的な考え方では、仮説に確率を割り当て、事前分布とデータから事後的に評価する。古典的な仮説検定とは、証拠の扱い方が異なる。
対立仮説は、頻度論では帰無仮説との比較対象として位置づけられるのに対し、ベイズの枠組みでは複数のモデルの相対的妥当性を比較する。両者は目的や解釈が異なるが、いずれも不確実性を扱う手法として重要である。