In una tesi empirica è frequente confondere l’ipotesi di ricerca con l’ipotesi nulla e l’ipotesi alternativa di un test statistico. Le tre formulazioni rispondono però a funzioni distinte. La domanda chiarisce il fenomeno da indagare; l’ipotesi di ricerca propone una relazione o differenza attesa; H0 e H1 formalizzano ciò che un particolare test mette a confronto. Non tutte le tesi richiedono necessariamente test inferenziali.
Dalla domanda all’ipotesi di ricerca
Una domanda potrebbe chiedere se la frequenza di attività fisica sia associata alla qualità del sonno in un gruppo di studenti. L’ipotesi sostanziale, quando giustificata dalla letteratura, può prevedere una direzione della relazione. Occorre però dichiarare quali strumenti misureranno i costrutti, la popolazione studiata e il disegno. In uno studio trasversale l’ipotesi non dovrebbe implicare automaticamente un rapporto causale.
Che cosa indicano H0 e H1
In molti test H0 rappresenta un’assenza di differenza o associazione definita dal modello, mentre H1 rappresenta una o più alternative compatibili con la domanda. Per il confronto delle medie di due gruppi, ad esempio, H0 può esprimere uguaglianza delle medie della popolazione. La formulazione dipende dal test scelto: una correlazione, un’ANOVA e una regressione non hanno sempre ipotesi statistiche intercambiabili.
Test a una o due code
Se esiste una motivazione teorica solida per una direzione specifica, alcuni test consentono ipotesi unilaterali. La decisione, quando appropriata, dovrebbe precedere l’esame dei dati, evitando di scegliere il test soltanto dopo aver osservato il segno del risultato. In molti progetti il test bilaterale è una scelta prudente, ma è sempre necessario verificare disegno, quesito, livello di misura e norme del relatore.
P-value e limiti della decisione
Un p-value non esprime la probabilità che H0 sia vera. Rappresenta, sotto determinate assunzioni e se H0 fosse vera, quanto i dati osservati o più estremi sarebbero compatibili con il modello. Dire «H0 è stata dimostrata» quando un risultato non è significativo è scorretto: una stima imprecisa o un campione piccolo possono produrre esiti non conclusivi. Sono utili anche dimensioni dell’effetto e intervalli di confidenza.
Allineare variabili, campione e analisi
L’ipotesi va formulata in modo coerente con dati che il progetto può effettivamente raccogliere. Se la variabile è ordinale o la distribuzione presenta caratteristiche problematiche, il test pianificato potrebbe non essere adeguato. Prima di analizzare i dati verifica come sono stati reclutati i partecipanti, quali categorie sono presenti e se le osservazioni sono indipendenti. Leggi anche la guida sul campione.
Riportare le ipotesi nella discussione
Una volta completate le analisi, descrivi i risultati anche quando non confermano l’aspettativa iniziale. Non cambiare il testo delle ipotesi per far apparire i dati più coerenti. La discussione valuta spiegazioni alternative, significatività pratica e limiti del disegno; consulta la guida alla discussione dei risultati. Per i confronti fra più gruppi è disponibile anche il percorso sull’ANOVA con Jamovi.
Domande frequenti
H0 è sempre ‘non c’è differenza’?
Non in modo generico: la formulazione precisa dipende dal parametro e dal modello statistico adottati.
Un p-value superiore a 0,05 dimostra H0?
No. Significa che il test non ha fornito evidenza sufficiente per rifiutarla al livello prescelto, date le assunzioni.
Tutte le tesi compilative devono avere H0 e H1?
No. Una tesi compilativa può sviluppare quesiti teorici senza test inferenziali.
Collegare le ipotesi alle variabili
Approfondisci inoltre la scelta degli indicatori; la selezione del modello. Questi collegamenti aiutano a mantenere coerenti le scelte documentali, metodologiche e di analisi.