我们可以接受非劣效性测试中的空值吗？

在常规的均值t检验中，使用常规的假设检验方法，我们要么拒绝null要么不拒绝null，但是我们从不接受null。原因之一是，如果我们有更多的证据，那么相同的效应大小将变得很重要。

但是在非自卑感测验中会发生什么呢？

那是：

与

其中是我们认为基本相同的一些量。因此，如果我们拒绝null，则说比至少。如果没有足够的证据，我们将不拒绝零值。 $x$$\mu_1$$\mu_0$$x$

如果效果大小为或更大，则类似于常规t检验。但是，如果样本中的效应大小小于，该怎么办？然后，如果我们增加样本量并保持相同的效果，它将保持无关紧要。因此，在这种情况下，我们可以接受null吗？$x$$x$

您的逻辑完全适用于读者可能更熟悉的良好的旧式单面测试（即）。为了具体，假设我们正在测试的空^ h 0：μ ≤ 0对替代方案，μ为正。然后，如果trueμ为负，则增加样本数量不会产生明显的结果，也就是说，用您的话来说，“如果我们获得更多证据，则相同的影响大小将变得很重要”。$x=0$$H_0:\mu\le0$$\mu$$\mu$

如果我们测试，我们可以有三种可能的结果：$H_0:\mu\le 0$

1. 首先，的置信区间可以是完全大于零; 然后我们拒绝null并接受替代方案（μ为正）。$(1-\alpha)\cdot100\%$$\mu$

2. 其次，置信区间可以完全低于零。在这种情况下，我们不会拒绝null。但是，在这种情况下，我认为可以说“接受空值”是可以的，因为我们可以将视为另一个空值而拒绝该空值。$H_1$

3. 第三，置信区间可以包含零。这样我们就不能拒绝，也不能拒绝H 1，因此没有什么可以接受的。$H_0$$H_1$

因此，我想说，在单面情况下，可以接受空值，是的。但是我们不能仅仅因为未能拒绝就接受它。有三种可能性，而不是两种。

（完全相同的测试也适用于等效测试，也称为“两面测试”（TOST），非劣等测试。一个人可以拒绝无效，接受无效或得出不确定的结果。）

相反，当是零点，例如H 0：μ = 0时，我们永远不能接受它，因为H 1：μ ≠ 0不会构成有效的零假设。$H_0$$H_0:\mu=0$$H_1:\mu\ne 0$

（除非只能有离散值，例如必须是整数，那么我们似乎可以接受^ h 0：μ = 0，因为^ h 1：μ ＆Element; ž，μ ≠ 0，现在确实构成了有效的零假设这是一点。不过是特殊情况。）$\mu$$H_0:\mu=0$$H_1:\mu\in\mathbb Z,\mu\ne 0$

前一段时间，在@gung的回答下的评论中讨论了这个问题：统计学家为什么说不重要的结果意味着“您不能拒绝零”而不是接受零假设？

另请参见有趣的（且投票不足）线程。在Neyman-Pearson方法中未能拒绝null是否意味着应该“接受”它？，@ Scortchi解释说，在Neyman-Pearson框架中，有些作者毫无疑问地谈论“接受null”。这也是@Alexis在其答案的最后一段中的含义。

我们绝不会“接受零假设”（也没有考虑效力和最小相关影响大小）。对于单个假设检验，我们提出自然状态，然后回答以下问题的一些变体：“假设H 0（和分布假设）为真，那么我们不太可能观察到检验统计量的数据。？然后，我们将根据首选的I类错误率拒绝或不拒绝H 0，并得出一个始终与H A有关的结论…即我们找到了得出H A结论的证据，或者我们没有找到得出H结论的证据。一。我们不接受$H_{0}$$H_{0}$$H_{0}$$H_{A}$$H_{A}$$H_{A}$因为我们没有为此寻找证据。缺少证据（例如，存在差异）与缺少证据（例如，存在差异）不是一回事。。$H_{0}$

对于单面测试和两面测试都是如此：我们只寻找支持证据并找到它，或者找不到它。$H_{A}$

如果我们仅提出一个（不认真关注最小相关效应量和统计功效），那么我们实际上是对确认偏差做出了先验承诺，因为我们没有寻找H 0的证据，而只是寻找证据对于^ h 一。当然，我们可以（而且，我敢说）应该对立场提出零假设（将差异（H + 0）与等价（H - 0）相结合的相关性测试就是这样做的。$H_{0}$$H_{0}$$H_{A}$$H_{0}^{+}$$H^{-}_{0}$

在我看来，没有理由不能将对自卑的单方面测试与对非自卑的单方面测试相结合，以同时在两个方向上提供证据（或缺乏证据）。

当然，如果一个人正在考虑力量和效果的大小，而没有拒绝，但知道（a）一些最小的相关效果大小δ，并且（b）他们的数据足够强大，可以检测到a给定测试，则可以将其解释为H 0的证据。$H_{0}$$\delta$$H_{0}$