ヘンペルの演繹-ノモロジーモデルにおける概念は、仮説の開発とテストにおいて重要な役割を果たす。 最も正式な仮説接続の概念を指定する期待との関係を提案している。 仮説のセットが一緒にグループ化されると、概念フレームワークの一種になります。 概念フレームワークが複雑で、因果関係または説明を組み込んでいる場合、それは一般に理論と呼ばれます。, 著名な科学哲学者カール-グスタフ-ヘンペルによれば、”十分な経験的解釈は、理論体系をテスト可能な理論に変える：構成用語が解釈された仮説は、観察可能な現象を参照することによってテスト可能になる。 多くの場合、解釈された仮説は理論の派生的仮説であるが、経験的データによるそれらの確認または不一致は、それらが導出された原始的仮説を直ちに強めたり弱めたりするであろう。,”

Hempelは、概念フレームワークとそれが観察され、おそらくテストされる（解釈されたフレームワーク）フレームワークとの関係を記述する有用なメタファーを提供します。 “システム全体は、観察の平面の上に浮かび、解釈の規則によってそれに固定されています。 これらは、ネットワークの一部ではなく、観測面内の特定の場所と後者の特定の点をリンクする文字列と見なされるかもしれません。 これらの解釈的な接続のおかげで、ネットワークは科学理論として機能することができます。,”観察面に固定された概念を持つ仮説は、テストする準備ができています。 “実際の科学的実practiceでは、意図された解釈は通常、理論家の構築を導くので、理論的構造をフレーミングし、それを解釈するプロセスは、必ずしも急激に分離されているわけではありません。 しかしながら、論理的な明確化の目的のために、二つのステップを概念的に分離することは可能であり、実際に望ましい。,”

統計的仮説検定

提案された治療法が疾患の治療に有効かどうかなど、現象間の可能な相関または類似の関係を調査すると、関係が存在するという仮説は、提案された新しい自然法則を調べるのと同じように検討することはできない。 このような調査では、テストされた治療法がいくつかのケースで効果を示さない場合、これらは必ずしも仮説を改ざんするとは限らない。, 代わりに、統計的検定を使用して、仮説関係が存在しない場合に全体的な効果が観察される可能性がどれほど高いかを決定します。 その尤度が十分に小さい場合（例えば、1％未満）、関係の存在が仮定され得る。 その他の効果を観察可能にする画期的なものである純チャンスです。

統計的仮説検定では、二つの仮説を比較します。 これらは帰無仮説および対立仮説と呼ばれます。, 帰無仮説は、関係が調査中の現象の間に関係がない、または少なくとも対立仮説によって与えられた形式ではないと述べる仮説である。 対立仮説は、その名が示すように、帰無仮説の代替である：それは何らかの関係があると述べている。, 対立仮説は、仮説関係の性質に応じて、いくつかの形式をとることができ、特に、それは両面（例えば、まだ未知の方向に何らかの効果がある）または片側（仮説関係の正または負の方向は事前に固定されている）であることができる。

仮説を検定するための従来の有意水準（真の帰無仮説を誤って棄却する許容可能な確率）は次のとおりです。10, .05,そして.01., 帰無仮説が棄却され、対立仮説が受け入れられるかどうかを決定するための有意水準は、観測値が収集または検査される前に、事前に決定されなけれ これらの基準が後で決定された場合、テストされるデータが既に既知である場合、テストは無効である。

上記の手順は、実際には、研究に含まれる参加者の数（単位またはサンプルサイズ）に依存する。, たとえば、サンプルサイズが小さすぎて帰無仮説を棄却できないようにするには、最初から十分なサンプルサイズを指定することをお勧めします。 仮説を検定するために使用される多くの重要な統計的検定のそれぞれに対して、小、中、大の効果サイズを定義することをお勧めします。