备择假设 (Alternative Hypothesis)

备择假设 (Alternative Hypothesis)

备择假设 (Alternative Hypothesis) 是统计推断中与零假设构成二元决策框架的对立命题。在Neyman-Pearson引理所奠定的假设检验范式中，任何一次检验都起始于两个互斥假设的设定：零假设 $H_0$ 代表"无效应"的基准状态，备择假设 $H_1$ 则代表研究者意图检测或证实的目标效应。备择假设的存在赋予假设检验方向性——检验的本质是在给定的显著性水平下评估样本数据是否足以在概率意义上拒绝 $H_0$ 而倾向于 $H_1$。

备择假设在检验框架中的位置

假设检验的逻辑结构可以概括为三个步骤。第一步，根据研究问题设定零假设与备择假设。备择假设的设定不是任意的——它必须与待回答的实质问题严格对应。第二步，选择适当的检验统计量并确定其零分布。第三步，依据备择假设的形式构造拒绝域并做出决策。

备择假设的形式直接影响拒绝域的构造。以总体均值的检验为例，设零假设为 $H_0: \mu = \mu_0$。若备择假设为 $H_1: \mu > \mu_0$（右侧检验），拒绝域完全置于零分布的右尾；若 $H_1: \mu < \mu_0$（左侧检验），拒绝域则完全置于左尾；若 $H_1: \mu \neq \mu_0$（双侧检验），拒绝域平分于两尾。尾部的选择由备择假设决定，而非由数据决定——这一时序约束是频率学派推断逻辑的基础，违反它即构成数据窥探偏差。

与检验功效的关系

备择假设与检验功效之间存在直接的函数关系。功效函数 $\beta(\mu) = \Pr(\text{拒绝 } H_0 \mid \mu)$ 的自变量取遍备择假设允许的参数值。当 $\mu$ 恰好等于 $\mu_0$ 时，功效等于显著性水平 $\alpha$；当 $\mu$ 落入备择假设的参数空间且远离 $\mu_0$ 时，功效趋近于 1。固定样本量下，单侧备择假设对应更高的功效，因为其拒绝域的全部概率质量集中于单一方向。

这一关系对实验设计具有重要的实践含义。在随机对照试验和A/B测试中，研究者在样本量计算阶段就必须明确备择假设下的最小临床或经济显著效应量（minimum detectable effect）。若该效应量过大，试验可能因功效不足而无法检测到真实存在但幅度较小的处理效应，导致第二类错误；若效应量设定过小，则所需样本量急剧膨胀，增加研究的成本与实施难度。

经济学研究中的设定原则

在计量经济学的实证实践中，备择假设的设定应遵循以下原则。理论驱动优先：回归模型中系数的备择假设形式应由经济理论而非数据特征决定。例如，检验边际消费倾向是否小于 1 的理论命题时，应设 $H_1: \beta < 1$ 而非双侧备择。透明性原则：研究者应在论文或预注册报告中清晰说明备择假设的选择依据，特别是单侧检验的选用理由，以避免选择性报告和p值操纵的嫌疑。多重检验中的校正：当一项研究涉及大量假设检验（如全基因组关联分析或高维变量选择），单独设定每个备择假设可能导致假阳性膨胀，此时应使用Bonferroni校正或假发现率控制方法对备择假设的接受门槛进行调整。