Så formulerar du en testhypotes som går att mäta

Vad krävs för att en hypotes ska vara testbar och mätbar?

En hypotes är testbar först när den anger både vilka observationer som är förenliga med den och vilka som inte är det. Den måste alltså utesluta något, inte bara beskriva ett förväntat mönster. I en granskning av Mats Moléns bok Vårt ursprung? konstateras att han inte formulerar någon testbar hypotes om vilka observationer som skulle vara förenliga eller oförenliga med en skapelse. Förklaringen antas vara att han anser att alla observationer, oavsett hur de ser ut, tyder på en skapelse. Följden blir att ingen observation kan pröva påståendet.

Enligt kursmaterial i vetenskaplig metod används kvantitativ forskningsstrategi för att formulera specifika och testbara hypoteser; den bygger på observationer som ger mätbara data. Mätbarhet innebär i praktiken att du i förväg bestämmer vad som ska mätas, hos vem eller vad, i vilken enhet och vid vilken tidpunkt.

Tre frågor avgör om kravet är uppfyllt: Vilket värde och vilken riktning förväntar du dig? Vilket utfall räknas som ett nej? Kan en utomstående utifrån din beskrivning avgöra om resultatet stöder eller talar emot hypotesen? Är svaret nej på sista frågan är hypotesen för allmänt formulerad.

Fyra kriterier för testbar hypotes

Från forskningsfråga till specifik testhypotes

Utgångspunkten är en forskningsfråga som är tillräckligt avgränsad för att besvaras med observationer. Sedan väljer du en kvantitativ strategi, som enligt kursmaterialet används för att formulera specifika och testbara hypoteser och leder till mätbara data. Forskning utgår ofta från en eller flera hypoteser som testas.

Inskärpningen sker i fyra steg. Bestäm population eller urval. Bestäm mått och enhet. Bestäm jämförelsen – mot en kontrollgrupp, mot ett utgångsläge eller mot en annan betingelse. Bestäm riktningen på förväntan: högre, lägre, snabbare, fler. Formuleringen "det går bättre med metoden" saknar alla fyra delarna och går inte att pröva, medan en formulering som anger grupp, mått, jämförelse och riktning gör det.

En hypotes som är för allmän får samma problem som den icke-testbara: den pekar inte ut något utfall som skulle kunna tala emot den. Formulera därför hypotesen som ett påstående om ett bestämt mått i en bestämd jämförelse, inte som ett påstående om ett allmänt omdöme.

Nollhypotes och alternativhypotes

I ett hypotestest ställs två hypoteser mot varandra. Nollhypotesen, H0, säger att det inte finns någon skillnad eller något samband. Alternativhypotesen, H1, anger att det finns en skillnad eller ett samband. I kursanteckningar om hypotestest beskrivs H0 som att det inte finns några skillnader mellan två lösningar, medan H1 anger skillnader – och båda testas under samma betingelser.

Kravet är att båda formuleras innan data samlas in, att samma mått och mätförfarande används i båda fallen och att den enda systematiska skillnaden mellan grupperna är faktorn du prövar. Skiljer sig betingelserna åt kan resultatet inte knytas till hypotesen.

Slutsatsen formuleras i efterhand om H0, inte om H1: antingen förkastas H0 eller så behålls den. Det håller slutsatsen på den nivå som testet faktiskt kan avgöra.

Nollhypotes (H₀) vs Alternativhypotes (H₁)

Härled mätbara konsekvenser och välj kontrollerat test

Härled konsekvenser av hypotesen: om H1 är riktig, vad ska då kunna observeras? Att härleda sådana konsekvenser visar att hypotesen är testbar. Konsekvensen ska kunna mätas, till exempel att en grupp vid en bestämd tidpunkt uppvisar ett högre värde på ett bestämt mått än jämförelsegruppen.

Enligt steglistan för vetenskaplig metod följer sedan ett kontrollerat experiment, datainsamling, tolkning och slutsatser. Planen bör därför i förväg ange grupper, betingelser, mätpunkter och vilka faktorer som hålls konstanta, så att skillnader mellan grupperna kan tillskrivas den prövade faktorn och inte något annat.

Hur omfattande testet behöver vara beror på hur riskfyllt det som testas är. I en genomgång av testarbete beskrivs att det kan uppstå en konflikt mellan kvalitet och tid kring hur mycket test som ska bedrivas, beroende på hur mjukvaran klassas utifrån risk. Samma avvägning gäller andra kontrollerade försök: fler mätpunkter och fler kontroller ger säkrare slutsatser men tar längre tid.

Samla in och tolka data utan att överdriva slutsatserna

Genomförandet följer planen: samla in data under de kontrollerade betingelser som H0 och H1 formulerades för, tolka resultaten och dra slutsatser utifrån egna resultat och vad som redan är känt.

Slutsatsen gäller nollhypotesen. Antingen finns tillräckligt stöd för att förkasta H0, eller så behålls H0. Ett resultat som stämmer med H1 innebär inte att H1 därmed är bevisad – ett test kan stödja och utesluta, inte fastställa sanning. Att härleda konsekvenser visar att hypotesen är testbar, inte att den är sann.

Ett vanligt sätt att överdriva slutsatsen är att välja ut observationer som passar. I granskningen av Moléns bok konstateras att han måste handplocka enstaka observationer som passar hans syften och bortse från helheten för att kunna hitta brister, och att samma bedrägliga och selektiva citeringsteknik skulle kunna visa att Hitler vann Andra världskriget. Skyddet är att i förväg bestämma vilka observationer som ska ingå, hur många de ska vara och vad som räknas som ett negativt utfall.

Checklista och vanliga fallgropar

Checklista innan du går vidare: – Är hypotesen specifik: vem eller vad gäller den, vilket mått, jämfört med vad, och i vilken riktning? – Går det att i förväg peka ut minst ett utfall som skulle tala emot hypotesen? – Är måttet mätbart, med enhet och tidpunkt bestämda? – Finns H0 och H1 formulerade, och testas de under samma betingelser? – Är experimentet eller jämförelsen kontrollerat och planerat innan data samlas in? – Är slutsatsen formulerad som behåll eller förkasta H0?

Vanliga fallgropar: en hypotes som alla tänkbara utfall kan sägas stödja – den är inte testbar, eftersom inget utfall kan tala emot den. En hypotes som är så allmän att den inte anger vilka observationer som är förenliga eller oförenliga med den. Handplockade observationer, där enskilda fall lyfts fram och helheten lämnas därhän. H0 och H1 som formuleras först efter att data setts. Och slutsatser som säger att hypotesen är sann, i stället för att redovisa om H0 kunde förkastas.