Les Concepts du modèle déductif-nomologique de Hempel jouent un rôle clé dans le développement et le test d’hypothèses. La plupart des hypothèses formelles relient les concepts en spécifiant les relations attendues entre les propositions. Lorsqu’un ensemble d’hypothèses est regroupé, elles deviennent une sorte de cadre conceptuel. Lorsqu’un cadre conceptuel est complexe et intègre une causalité ou une explication, on parle généralement de théorie., Selon le célèbre philosophe des sciences Carl Gustav Hempel » une interprétation empirique adéquate transforme un système théorique en une théorie testable: l’hypothèse dont les Termes constitutifs ont été interprétés devient capable de test par référence à des phénomènes observables. Souvent, l’hypothèse interprétée sera des hypothèses dérivées de la théorie; mais leur confirmation ou leur disconfirmation par des données empiriques renforcera ou affaiblira immédiatement les hypothèses primitives dont elles ont été dérivées., »
Hempel fournit une métaphore utile qui décrit la relation entre un cadre conceptuel et le cadre tel qu’il est observé et peut-être testé (cadre interprété). « Tout le système flotte, pour ainsi dire, au-dessus du plan d’observation et y est ancré par des règles d’interprétation. Ceux-ci peuvent être considérés comme des chaînes qui ne font pas partie du réseau mais relient certains points de ce dernier à des endroits spécifiques du plan d’observation. En vertu de ces connexions interprétatives, le réseau peut fonctionner comme une théorie scientifique., »Les hypothèses avec des concepts Ancrés dans le plan d’observation sont prêtes à être testées. Dans la » pratique scientifique réelle, le processus d’élaboration d’une structure théorique et de son interprétation ne sont pas toujours nettement séparés, car l’interprétation voulue guide généralement la construction du théoricien. »Il est cependant » possible et même souhaitable, aux fins de clarification logique, de séparer les deux étapes conceptuellement., »
tests d’hypothèses statistiques
Lorsqu’une corrélation possible ou une relation similaire entre des phénomènes est étudiée, par exemple si un remède proposé est efficace pour traiter une maladie, l’hypothèse selon laquelle une relation existe ne peut pas être examinée de la même manière qu’on pourrait examiner une nouvelle loi de la nature proposée. Dans une telle enquête, si le remède testé ne montre aucun effet dans quelques cas, ceux-ci ne falsifient pas nécessairement l’hypothèse., Au lieu de cela, des tests statistiques sont utilisés pour déterminer la probabilité que l’effet global soit observé si la relation hypothétique n’existe pas. Si cette probabilité est suffisamment faible (par exemple, inférieure à 1%), l’existence d’une relation peut être supposée. Sinon, tout effet observé peut être dû au hasard.
dans les tests d’hypothèses statistiques, deux hypothèses sont comparées. Ceux-ci sont appelés l’hypothèse nulle et l’hypothèse alternative., L’hypothèse nulle est l’hypothèse qui affirme qu’il n’y a pas de relation entre les phénomènes dont la relation est étudiée, ou du moins pas de la forme donnée par l’hypothèse alternative. L’hypothèse alternative, comme son nom l’indique, c’est l’alternative à l’hypothèse nulle: il affirme qu’il existe une sorte de relation., L’hypothèse alternative peut prendre plusieurs formes, selon la nature de la relation hypothétique; en particulier, elle peut être bilatérale (par exemple: il y a un effet, dans une direction encore inconnue) ou unilatérale (la direction de la relation hypothétique, positive ou négative, est fixée à l’avance).
les niveaux de signification conventionnels pour tester des hypothèses (probabilités acceptables de rejeter à tort une véritable hypothèse nulle) sont .10, .05, et .01., Le niveau de signification pour décider si l’hypothèse nulle est rejetée et si l’hypothèse alternative est acceptée doit être déterminé à l’avance, avant que les observations ne soient collectées ou inspectées. Si ces critères sont déterminés ultérieurement, alors que les données à tester sont déjà connues, le test est invalide.
la procédure ci-dessus dépend en fait du nombre de participants (unités ou taille de l’échantillon) inclus dans l’étude., Par exemple, pour éviter que la taille de l’échantillon ne soit trop petite pour rejeter une hypothèse nulle, il est recommandé de spécifier une taille d’échantillon suffisante dès le début. Il est conseillé de définir une petite, moyenne et grande taille d’effet pour chacun d’un certain nombre de tests statistiques importants qui sont utilisés pour tester les hypothèses.