Konzepte in Hempels deduktiv-nomologischem Modell spielen eine Schlüsselrolle bei der Entwicklung und Erprobung von Hypothesen. Die meisten formalen Hypothesen verbinden Konzepte, indem sie die erwarteten Beziehungen zwischen Sätzen angeben. Wenn eine Reihe von Hypothesen gruppiert werden, werden sie zu einer Art konzeptionellen Rahmen. Wenn ein konzeptioneller Rahmen komplex ist und Kausalität oder Erklärung enthält, wird er im Allgemeinen als Theorie bezeichnet., Laut dem bekannten Wissenschaftsphilosophen Carl Gustav Hempel “ Verwandelt eine adäquate empirische Interpretation ein theoretisches System in eine testbare Theorie: Die Hypothese, deren konstituierende Begriffe interpretiert wurden, kann anhand von beobachtbaren Phänomenen getestet werden. Häufig wird die interpretierte Hypothese abgeleitete Hypothesen der Theorie sein; aber ihre Bestätigung oder Bestätigung durch empirische Daten wird dann sofort auch die primitiven Hypothesen stärken oder schwächen, von denen sie abgeleitet wurden.,“

Hempel bietet eine nützliche Metapher, die die Beziehung zwischen einem konzeptionellen Rahmen und dem Rahmen beschreibt, wie er beobachtet und möglicherweise getestet wird (interpretiertes Framework). „Das ganze System schwebt gleichsam über der Beobachtungsebene und ist durch Interpretationsregeln daran verankert. Diese können als Strings betrachtet werden, die nicht Teil des Netzwerks sind, aber bestimmte Punkte des letzteren mit bestimmten Orten in der Beobachtungsebene verbinden. Aufgrund dieser interpretativen Verbindungen kann das Netzwerk als wissenschaftliche Theorie fungieren.,“Hypothesen mit Konzepten, die in der Beobachtungsebene verankert sind, können getestet werden. In der “ tatsächlichen wissenschaftlichen Praxis ist der Prozess der Gestaltung einer theoretischen Struktur und ihrer Interpretation nicht immer scharf voneinander getrennt, da die beabsichtigte Interpretation normalerweise die Konstruktion des Theoretikers leitet.“Es ist jedoch“ möglich und tatsächlich wünschenswert, die beiden Schritte zur logischen Klärung konzeptionell zu trennen.,“

Statistische Hypothesentests

Wenn eine mögliche Korrelation oder ähnliche Beziehung zwischen Phänomenen untersucht wird, z. B. ob ein vorgeschlagenes Heilmittel bei der Behandlung einer Krankheit wirksam ist, kann die Hypothese, dass eine Beziehung besteht, nicht auf die gleiche Weise untersucht werden, wie man ein vorgeschlagenes neues Naturgesetz untersuchen könnte. Wenn das getestete Mittel in einer solchen Untersuchung in einigen Fällen keine Wirkung zeigt, verfälschen diese nicht unbedingt die Hypothese., Stattdessen werden statistische Tests verwendet, um zu bestimmen, wie wahrscheinlich es ist, dass der Gesamteffekt beobachtet wird, wenn die hypothetische Beziehung nicht existiert. Wenn diese Wahrscheinlichkeit ausreichend gering ist (z. B. weniger als 1%), kann von der Existenz einer Beziehung ausgegangen werden. Andernfalls kann jeder beobachtete Effekt auf reinen Zufall zurückzuführen sein.

In statistischen Hypothesentests werden zwei Hypothesen verglichen. Diese werden als Nullhypothese und alternative Hypothese bezeichnet., Die Nullhypothese ist die Hypothese, die besagt, dass es keine Beziehung zwischen den Phänomenen gibt, deren Beziehung untersucht wird, oder zumindest nicht in der Form, die durch die alternative Hypothese gegeben wird. Die alternative Hypothese ist, wie der Name schon sagt, die Alternative zur Nullhypothese: Sie besagt, dass es eine Art Beziehung gibt., Die alternative Hypothese kann verschiedene Formen annehmen, abhängig von der Art der hypothetischen Beziehung; insbesondere kann es zweiseitig sein (zum Beispiel: Es gibt einen Effekt in einer noch unbekannten Richtung) oder einseitig (die Richtung der hypothetischen Beziehung, positiv oder negativ, ist im Voraus festgelegt).

Konventionelle Signifikanzniveaus für Testhypothesen (akzeptable Wahrscheinlichkeiten, eine wahre Nullhypothese falsch abzulehnen) sind .10, .05, und .01., Das Signifikanzniveau für die Entscheidung, ob die Nullhypothese abgelehnt und die alternative Hypothese akzeptiert wird, muss im Voraus bestimmt werden, bevor die Beobachtungen gesammelt oder überprüft werden. Wenn diese Kriterien später festgelegt werden, wenn die zu testenden Daten bereits bekannt sind, ist der Test ungültig.

Das obige Verfahren ist tatsächlich abhängig von der Anzahl der Teilnehmer (Einheiten oder Stichprobengröße), die in der Studie enthalten sind., Um beispielsweise zu vermeiden, dass die Stichprobengröße zu klein ist, um eine Nullhypothese abzulehnen, wird empfohlen, von Anfang an eine ausreichende Stichprobengröße anzugeben. Es ist ratsam, für jeden der wichtigen statistischen Tests, die zum Testen der Hypothesen verwendet werden, eine kleine, mittlere und große Effektgröße zu definieren.