koncepcje w modelu dedukcyjno-nomologicznym Hempla odgrywają kluczową rolę w opracowywaniu i testowaniu hipotez. Większość hipotez formalnych łączy pojęcia poprzez określenie oczekiwanych relacji między wnioskami. Gdy zbiór hipotez jest zgrupowany razem, stają się one rodzajem ram pojęciowych. Gdy ramy pojęciowe są złożone i zawierają związek przyczynowo-skutkowy lub Wyjaśnienie, zwykle określa się je jako teorię., Według znanego filozofa Nauki Carla Gustava Hempla ” odpowiednia interpretacja empiryczna zamienia system teoretyczny w teorię dającą się przetestować: hipoteza, której pojęcia składowe zostały zinterpretowane, staje się zdolna do sprawdzenia przez odniesienie do obserwowalnych zjawisk. Często interpretowane hipotezy będą pochodnymi hipotezami teorii, ale ich potwierdzenie lub potwierdzenie przez dane empiryczne natychmiast wzmocni lub osłabi również prymitywne hipotezy, z których zostały wyprowadzone.,”
Hempel dostarcza użytecznej metafory, która opisuje związek między ramą pojęciową a Ramą, ponieważ jest ona obserwowana i być może testowana (rama interpretowana). „Cały system unosi się niejako ponad płaszczyzną obserwacji i jest do niej zakotwiczony przez reguły interpretacji. Można je postrzegać jako ciągi, które nie są częścią sieci, ale łączą pewne punkty tej ostatniej z określonymi miejscami w płaszczyźnie obserwacji. Dzięki takim połączeniom interpretacyjnym sieć może funkcjonować jako teoria naukowa.,”Hipotezy z koncepcjami zakotwiczonymi w płaszczyźnie obserwacji są gotowe do przetestowania. W ” rzeczywistej praktyce naukowej proces kształtowania struktury teoretycznej i jej interpretacji nie zawsze jest Ostro oddzielony, ponieważ zamierzona interpretacja zazwyczaj kieruje konstrukcją teoretyka.”Jest jednak możliwe i rzeczywiście pożądane, dla celów logicznego wyjaśnienia, rozdzielenie tych dwóch etapów koncepcyjnie.,”
Testowanie hipotez statystycznych
gdy badana jest możliwa korelacja lub podobna zależność między zjawiskami, na przykład czy proponowane lekarstwo jest skuteczne w leczeniu choroby, hipoteza o istnieniu związku nie może być zbadana w taki sam sposób, w jaki można zbadać proponowane nowe prawo natury. W takim dochodzeniu, jeśli badany środek zaradczy w kilku przypadkach nie wykazuje żadnego skutku, nie muszą one fałszować hipotezy., Zamiast tego, testy statystyczne są używane do określenia, jak prawdopodobne jest, że ogólny efekt będzie obserwowany, jeśli hipotetyczna relacja nie istnieje. Jeżeli Prawdopodobieństwo to jest wystarczająco małe (np. mniej niż 1%), można założyć istnienie związku. W przeciwnym razie każdy zaobserwowany efekt może być spowodowany czystym przypadkiem.
w testowaniu hipotez statystycznych porównuje się dwie hipotezy. Są one nazywane hipotezą zerową i hipotezą alternatywną., Hipoteza zerowa to hipoteza, która stwierdza, że nie ma związku między zjawiskami, których związek jest badany, a przynajmniej nie w formie nadanej przez hipotezę alternatywną. Hipoteza alternatywna, jak sama nazwa wskazuje, jest alternatywą dla hipotezy zerowej: stwierdza, że istnieje pewien rodzaj relacji., Hipoteza alternatywna może przybierać kilka form, w zależności od charakteru hipotezowanej relacji; w szczególności może być dwustronna (na przykład: istnieje jakiś efekt, w nieznanym jeszcze kierunku) lub jednostronna (kierunek hipotezowanej relacji, pozytywny lub negatywny, jest ustalony z góry).
konwencjonalne poziomy istotności dla testowania hipotez (dopuszczalne prawdopodobieństwo błędnego odrzucenia prawdziwej hipotezy zerowej) to .10, .05, i .01., Poziom istotności dla decydowania, czy hipoteza zerowa jest odrzucona i hipoteza alternatywna jest akceptowana musi być ustalona z góry, przed obserwacje są zbierane lub kontrolowane. Jeśli kryteria te zostaną określone później, gdy dane do badania są już znane, test jest nieważny.
powyższa procedura jest w rzeczywistości zależna od liczby uczestników (jednostek lub wielkości próby), którzy są włączeni do badania., Na przykład, aby uniknąć wielkości próby być zbyt małe, aby odrzucić hipotezę zerową, zaleca się, aby jeden określić wystarczającą wielkość próby od początku. Wskazane jest określenie małej, średniej i dużej wielkości efektu dla każdego z wielu ważnych testów statystycznych, które są używane do testowania hipotez.