3.2 假定性 假設畢竟是經(jīng)過科學思維作出的推測性設想，且設想的是一個未知的問題，這種設想僅為一種假定性說明，它具有不確定的性質，在醫(yī)學研究課題中尤其這樣。因生物體是一個復雜的有機體，內外環(huán)境的影響因素較多，假設的不確定性成分更大。假設的表達形式可以是一元或多元的�，F(xiàn)在電腦的普及、軟件SPSS和SAS的廣泛應用，為解決多元分析驗證多元假設提供了廣闊的空間和便利。
3.3 預見性 假設的預見性是假設價值的體現(xiàn)，假設的提出具有可驗證性。實踐是檢驗真理的唯一標準，同樣適用于醫(yī)學科研工作。例如：1997年諾貝爾物理學獎獲得者朱棣文創(chuàng)立的激光電子冷凝學說經(jīng)過了10年時間的驗證，證實了該成果的應用將對化學、物理和醫(yī)學諸多領域產生深遠、巨大的影響。
3.4 曲折性 完整和真實的假設形成，一般不可能一次完善，大多數(shù)要經(jīng)過若干次假定→檢驗→再假定→再檢驗，根據(jù)檢驗的客觀證據(jù)，不斷修改與補充，才能逐步完成。在驗證假設時，有的假設可能被否定，有的假設可能起到了提示、啟發(fā)和橋梁的作用。所以，一個正確假設的建立，往往需要經(jīng)歷實踐→認識→再實踐→再認識的一個螺旋式發(fā)展過程。
4 假設檢驗的分類
假設形成以后，研究者就須著手設計和實驗(包括調查和觀察等)來驗證這種假設。其后續(xù)工作包括確定觀察對象和指標。所取指標是在研究目的指導下進行分類(定量、定性或是等級)、采用相對應的統(tǒng)計方法來驗證這種假設。統(tǒng)計學的主要任務是統(tǒng)計描述和統(tǒng)計推斷，統(tǒng)計推斷又包括參數(shù)估計和假設檢驗。參數(shù)估計即對某變量的總體特征進行區(qū)間估計(例如μ，π，σ，β，ρ等)。醫(yī)學全.在線網(wǎng).站.提供
4.1 按參數(shù)性質分類 假設檢驗是根據(jù)樣本值來判斷隨機變量是否服從某種分布函數(shù)，或判斷某一樣本是否由某一已知參數(shù)的總體中產生。前者稱為總體中的個體值分布檢驗，后者稱為總體的參數(shù)檢驗。
進行假設檢驗時，一般從樣本值出發(fā)判斷某“假設”是否成立。例如以樣本的均數(shù)與方差作為參數(shù)的點值估計值，擬合正態(tài)分布，然后檢驗樣本的頻數(shù)分布與正態(tài)分布的假設是否矛盾，這就是擬合優(yōu)變檢驗。又如已知兩個正態(tài)總體的方差相等(數(shù)理統(tǒng)計模型的要求)，以，2作為總體均數(shù)的估計值，檢驗μ1=μ2是否成立，這就是兩個均數(shù)差別的假設檢驗。
4.2 按檢驗性質分類 假設檢驗按其檢驗性質可分為簡單假設與復合假設。設有一個分布相依于多個參數(shù)，如果某一假設對于這些參數(shù)中每個參數(shù)分別指定了唯一的值，則稱為簡單假設。例如標準正態(tài)分布中指定其均數(shù)等于零、標準差等于1。如果只給一部分參數(shù)分別指定了唯一的值，剩下若干個參數(shù)未指定，則稱為復雜假設。這類方法在多元分析中被廣泛采用。
5 假設檢驗的基本程序
當你對假設檢驗的目的和方法已經(jīng)明了和熟悉的條件下，不妨列舉一個簡單的醫(yī)學例子予以說明。生理學已經(jīng)證實：血液中血糖濃度下降，通過神經(jīng)反射，產生饑餓感覺，空腹時間越長這種饑餓感越強烈。在未證實之前，生理學家肯定曾探索和驗證這樣一些假設：血糖濃度是否與空腹時間長短有關，饑餓程度是否與血糖濃度有關，餐飲前后血糖濃度是否相同。若選用后者的假設進行檢驗，則餐飲前后血糖濃度作為觀察指標，被試因素為用餐條件，被試對象為正常人(排除了一切影響血糖濃度的疾病、藥物等因素)；且假定血糖值在人群中服從正態(tài)分布。上述現(xiàn)象可采用自身配對設計且符合配對t檢驗的條件。具有事實依據(jù)和理論基礎兩大支柱的保障，可以進行假設。
5.1 建立假設�、龠M餐不會影響血糖濃度的高低，即處理因素無效。假設是對總體特征的表述。本例推論的總體是假定的，包括無數(shù)個受試者進餐前后血糖值的差值，差值以d表述，差值的總體均數(shù)以μd表述，因而可寫成Ho:μd=0。H示Hypothesis,0示Null(Null無效，零的意思)。H0又稱為零假設、無效假設或原假設。②備擇假設：H1：μd≠0，即進餐會影響血糖濃度的高低(處理因素有效)。H1不等于零表示研究者在建立假設時不知道處理因素能否引起效應指標(血糖值)升高或者降低，因而稱為雙側檢驗。如果認為只會引起升高則H1：μd>0;反之下降則H1:μd<0。這兩種情況稱為單側檢驗。如何確定單雙側問題完全依賴于研究者密切結合本專業(yè)和他人經(jīng)驗來決定，它產生于假設形成的過程中。③H1是與H0相聯(lián)系而對立的條件，不是平行的條件。H0是驗證的主題，研究者是站在H0的角度去分析、認識事物或現(xiàn)象，只有在H0被拒絕的情況下才接受H1。④確定α的大小，α是在H0條件成立的情況下，允許將無差別的事物判斷為有差別的概率大小。一般定為0.05，根據(jù)研究目的等條件可以取大或取小。⑤H0和H1的具體表述隨變量性質、分析目的、設計類型和檢驗方法而異。如上例屬配對設計、數(shù)值變量且符合正態(tài)分布，宜作單側的t檢驗(進餐只會引起血糖值升高)。
以上是參數(shù)法檢驗，對總體特征的推斷須落實到參數(shù)μd，有時還可落實到其它參數(shù)如σ，ρ，β等。若為非參數(shù)法檢驗，則對總體特征推斷落實到分布類型。
5.2 檢驗統(tǒng)計量 計算檢驗統(tǒng)計量的目的在于驗證假設的真實性。①無論參數(shù)法或非參數(shù)法檢驗，都是以統(tǒng)計量的分布為推理依據(jù)的。樣本的統(tǒng)計指標稱為統(tǒng)計量，而檢驗統(tǒng)計量的意義是在H0條件指導下，統(tǒng)計量與假設的參數(shù)之差相當于抽樣誤差(標準誤)的倍數(shù)。此值已消除了原來單位且標準化了，標準化的目的在于比較現(xiàn)有事物與假設事物之間有無差別。如本例，式中為血糖值差值的樣本平均數(shù)，μd為差值的總體均數(shù)，假設它等于零(處理因素無作用)，S為差值的樣本均數(shù)的標準誤(表示抽樣誤差的大小)，Sd為差值的樣本標準差(表示個體差值的變異程度)，n為樣本含量。上例只抽取了一個樣本，且計算了一個t值，在H0條件成立下(μd=0)，可以重復抽取無數(shù)個樣本，那么可以計算出無數(shù)個t值，它們就構成了t分布。t分布的決定系數(shù)是自由度(υ)，υ=n-1。意思就是說樣本含量不同其t分布曲線的形態(tài)就不同。②推理的基本思想是反證法。意思是如果在某一統(tǒng)計量的概率分布中，抽得現(xiàn)有樣本統(tǒng)計量甚至更大的統(tǒng)計量的概率P值很小，就可以懷疑樣本數(shù)據(jù)與所設H0有矛盾，而這種矛盾不能用抽樣誤差來解釋，故拒絕H0；相反，若抽得現(xiàn)有樣本統(tǒng)計量甚至更小的統(tǒng)計量的概率P值較大，也就是樣本數(shù)據(jù)與所設H0雖不一致，但仍可用抽樣誤差來解釋，就沒有理由拒絕H0。③確定P值的大小，P值的大小取決于α值(在建立假設時確定的檢驗水準)，自由度υ和現(xiàn)有的檢驗統(tǒng)計量(本例為t值)，三者的關系依賴于數(shù)理統(tǒng)計理論推算出來的界值表。當α值和自由度一定時，就可查到對應的界值(在t值表中)。如本例的界值可寫為tα，υ然后以計算出來的t值與界值比較。若t>tα，υ則P≤α；若tα。
