未能拒绝原假设

未能拒绝原假设 (Failure to Reject the Null Hypothesis)

在频率学派统计的假设检验框架中，未能拒绝原假设（fail to reject $H_0$）是指样本数据未能提供足够有力的证据以推翻原假设。这一表述——而非"接受原假设"——是检验逻辑不对称性的核心体现：检验的设计以控制第一类错误为优先，原假设享有一种"无罪推定"的程序性保护。因此，证据不足以定罪并不等于证明清白。

检验的逻辑不对称性

Neyman-Pearson框架将假设检验构造为一种决策规则：在控制第一类错误概率（显著性水平 $\alpha$）的前提下，最小化第二类错误概率 $\beta$。原假设 $H_0$ 与备择假设 $H_1$ 的地位天然不对等：

• $H_0$ 被假定为真，直到数据提供足够反证——这类似于法庭上的无罪推定：必须由控方（数据）提供"超越合理怀疑"的证据才能否定无罪假设。
• 检验统计量落在接受域内仅意味着"未发现显著偏离 $H_0$ 的证据"，而非"$H_0$ 为真"的正面确证。

这一逻辑源于 Fisher 的显著性检验传统：p值衡量的是 $P(\text{数据（或更极端）} \mid H_0)$，而非 $P(H_0 \mid \text{数据})$。后者需要借助贝叶斯定理引入先验概率方能计算。

为什么不能"接受"原假设

"未能拒绝"与"接受"之间的区别可从以下角度理解：

统计功效不足。 假设真实效应量极小但非零。若样本量 $n$ 很小，检验的功效（$1-\beta$）很低，数据几乎必然"未能拒绝" $H_0$。此时若宣称"接受 $H_0$"（即断言效应精确为零），则犯了以低功效为无效应背书的逻辑谬误。经典案例：医学试验中，小样本未发现药物副作用不等于药物绝对安全。

点原假设的特殊性。 绝大多数经济学假设检验中，$H_0: \theta = 0$ 是一个点假设。在连续参数空间中，$\theta$ 精确等于零的概率测度为零。样本证据更可能揭示"$\theta$ 与零的差异未达显著水平"，而非"$\theta$ 确实为零"。

显著性水平的主观性。 $\alpha = 0.05$ 的惯例本身是约定而非真理。p值 $= 0.06$ 与 $0.04$ 之间不存在本质断裂。因此"未能拒绝"与"拒绝"之间是连续过渡，而非二值跳跃。

与第二类错误和功效的关系

第二类错误（$\beta$）是 $H_1$ 为真时未能拒绝 $H_0$ 的概率。检验功效 $1-\beta$ 取决于四个因素：效应量、样本量、显著性水平 $\alpha$ 和检验方向（单侧/双侧）。

当研究者在"未能拒绝 $H_0$"后希望论证"$H_0$ 近似为真"，需要反向计算：给定功效水平和被认为"实际显著"的最小效应量，样本量是否足以支撑该结论？这一逻辑引导出等价性检验：将"效应量在可容忍范围内"构造为备择假设，通过拒绝"效应量超出该范围"来正面确认等价性。

在计量经济学中的典型场景

单位根检验。 ADF检验的 $H_0$ 为"存在单位根（非平稳）"。未能拒绝 $H_0$ 并不证明序列确实含单位根——可能仅是检验对近单位根过程的低功效所致。这正是KPSS检验将平稳性设为 $H_0$ 以形成互补的原因。

Granger因果关系检验。 $H_0$ 为"$X$ 不 Granger-cause $Y$"。未能拒绝 $H_0$ 不排除 $X$ 通过其他滞后结构或非线性渠道影响 $Y$，更不排除同期因果关系。

工具变量过度识别检验。 Sargan-Hansen J检验的 $H_0$ 为"所有工具变量均外生"。未能拒绝 $H_0$ 仅为工具外生性提供有限旁证，不可视作外生性的严格证明——特别是当检验功效因工具变量较弱而不足时。

正态性检验。 Jarque-Bera检验的 $H_0$ 为"残差服从正态分布"。小样本下即使残差明显非正态，检验也可能因功效不足而未能拒绝。

常见误解与陷阱

1. "p > 0.05 → H0为真"。 这混淆了条件概率的方向。p值是以 $H_0$ 为条件的数据概率，而非以数据为条件的 $H_0$ 概率。
2. "大样本下p值总是显著"。 大样本确实提高功效，使微小效应也能检测到。但若真实效应严格为零，大样本下p值仍服从均匀分布，不会"漂移"向显著。
3. "未能拒绝 = 无差异 = 无意义"。 效应量的点估计及其置信区间比二值化的"显著/不显著"判决更具信息量。效应量大但标准误差也大时，可能既"未能拒绝"又暗示实际重要性。
4. "重复实验能解决所有问题"。 发表偏倚和p-hacking使文献中"显著"结果被系统性过度代表，而"未能拒绝"的正当结果被埋没，扭曲了累积证据。

报告规范与替代框架

当代计量经济学提倡超越"显著/不显著"的二元报告范式：

• 始终报告效应量的点估计及其标准误差或置信区间，而非仅报告p值。
• 对"未能拒绝"的结果，补充功效分析以评估结论的信息价值。
• 在需要正面论证"无效应"或"效应可忽略"时，采用等价性检验（如TOST程序：将可容忍边界 $\pm\Delta$ 设为拒绝域，若两个单侧检验均显著则确认等价）。
• 贝叶斯框架下可用贝叶斯因子量化数据对 $H_0$ 相对于 $H_1$ 的支持强度，直接正面评估"$H_0$ 更可能"的证据。

归根结底，"未能拒绝原假设"不是统计分析的终点，而是对证据强度的诚实陈述。它提醒研究者：统计推断的本质是在不确定性中进行审慎的归纳，对"未知"保持谦逊比对"无效应"匆忙背书更符合科学精神。

历史渊源与学科共识

"未能拒绝"这一措辞的确立可追溯至 Fisher 与 Neyman-Pearson 两派的长期争论。Fisher 坚持显著性检验的归纳逻辑——数据只能提供反对 $H_0$ 的证据力度，而不能为 $H_0$ 提供正面支持。Neyman-Pearson 则将检验视为长期频率意义上的决策规则，引入了"接受"与"拒绝"的对称语言。当代计量经济学的教科书共识——以伍德里奇和Stock-Watson为代表——倾向于折中：保留 Neyman-Pearson 的 $H_0/H_1$ 二元框架，但使用 Fisher 的"未能拒绝"措辞，以强调检验结果的信息局限性。美国统计协会在 2016 年关于 p 值的声明中也明确建议避免使用"接受原假设"这一表述，这一立场已被主流经济学期刊广泛采纳。