帰無仮説 - Ciallo Wiki | チャロ百科

1 帰無仮説の基礎

帰無仮説は、統計的仮説検定で最初に置かれる基準であり、観測された差や関係が偶然の変動だけで説明できるという前提を表す。多くの場合、「差がない」「効果がない」「関連がない」といった形で定式化され、そこからデータとの整合性を調べる。

帰無仮説は、母集団に関して検証したい主張のうち、否定される側の仮説である。記号的には \(H_0\) と書かれ、平均差、比率差、相関係数などについて特定の値を仮定することが多い。

この仮説の主な役割は、検定の出発点を与えることである。観測値がどれほど珍しいかを評価する際の比較対象となり、結論を恣意的な印象ではなく、あらかじめ定めた基準に基づいて導く。

帰無仮説は、対立仮説 \(H_1\) または \(H_a\) と対をなす。対立仮説は、差や効果、関連の存在を主張し、両者は同時には成り立たないように設定されるのが一般的である。

片側検定では、対立仮説が「大きい」または「小さい」のように方向をもつ。たとえば、ある処置が平均を増加させるかを調べる場合、帰無仮説は「増加しない」と置かれる。

両側検定では、差の方向を限定せず、「異なるかどうか」を調べる。変化の方向が事前に特定できないときに用いられ、帰無仮説は通常「等しい」と表される。

帰無仮説は、統計的仮説検定の中心にある。検定では標本から得られた情報を使い、帰無仮説がどれだけ支持されにくいかを評価することで、判断を下す。

一般的な流れは、仮説の設定、検定統計量の計算、棄却の基準との比較、そして結論の整理から成る。実際には、データの分布や研究目的に応じて手順が選ばれる。

有意水準は、帰無仮説が正しいのに誤って棄却してしまう許容確率を表す。通常は 0.05 や 0.01 が用いられ、事前に決めておくことで判定の一貫性を保つ。

棄却域は、検定統計量がその範囲に入ったときに帰無仮説を退ける領域である。境界は有意水準に対応して定められ、分布の両端または片端に置かれる。

検定統計量は、標本データを要約して、帰無仮説の下でどの程度極端かを示す値である。t値、z値、カイ二乗値などが代表例で、対象となる問題に応じて使い分けられる。

検定結果は、帰無仮説を絶対的に証明するものではなく、あくまでデータがその仮説とどれほど両立しにくいかを示す。したがって、結論は確率的な判断として表現される。

検定統計量が棄却域に入り、得られた結果が帰無仮説の下では起こりにくいと判断されると、帰無仮説は棄却される。これは、対立仮説を積極的に支持することを意味する。

棄却しないことは、帰無仮説が正しいと証明されたことを意味しない。単に、今回のデータでは十分な証拠が得られなかった、あるいは検出力が不足していた可能性を残す。

帰無仮説は抽象的な概念だが、実際の分析では具体的な数値関係として表される。研究分野により表現は異なるものの、基本構造は共通している。

2群の平均を比べる場面では、帰無仮説を「平均との差は 0」と置くことが多い。新薬と対照群、学習法Aと学習法Bの比較などでよく用いられる。

比率の検定では、成功率や割合が特定の値と等しいか、あるいは2群で同じかを調べる。製品の不良率やアンケート回答率の比較に使われる。

独立性の検定では、2つのカテゴリ変数が無関係かどうかを確認する。たとえば、属性と選択肢の間に偏りがないかを、分割表を用いて評価する。

相関の検定では、2変数の線形関係が統計的に認められるかを調べる。帰無仮説は通常「相関係数が 0」であり、正負いずれの方向の関係もない状態を表す。

帰無仮説をめぐっては、検定の解釈や限界に関する重要な論点がある。数値上の判断だけで結論を固定せず、誤りの可能性や効果の大きさも考慮する必要がある。

第一種の誤りは、実際には正しい帰無仮説を誤って棄却することである。これは偶然の変動を意味のある差と見なしてしまうケースで、有意水準がそのリスクの目安となる。

第二種の誤りは、帰無仮説が偽であるのに棄却できないことである。標本サイズが小さい場合や変動が大きい場合に起こりやすく、見逃しの問題として扱われる。

検出力は、帰無仮説が偽であるときにそれを正しく棄却できる確率である。標本数、効果量、分散、判定基準などに影響され、研究計画の段階で考慮されることが多い。

統計的有意性は、結果が偶然では説明しにくいことを示す指標である。一方、実質的有意性は、効果が現実的・実務的に十分重要かどうかを問う概念であり、両者は必ずしも一致しない。