许岳培 陆春雷 王 珺 宋琼雅 贾彬彬 胡传鹏

    (1.中国科学院行为科学重点实验室(中国科学院心理研究所)，北京 100101；2.中国科学院大学心理学系，北京 100049；3.浙江师范大学心理与脑科学研究院，金华 321004；4.中山大学心理学系，广州 510006；5.上海体育学院心理学院，上海 200438；6.南京师范大学心理学院，南京 210024)

    1 引 言

    原假设显著性检验(Null hypothesis significance test，NHST，也翻译为零假设显著性检验或者虚无假设显著性检验)是目前使用最为广泛的统计推断方法。在NHST框架下，研究者通常在假定原假设(null hypothesis，H)为真的前提下，根据p 值是否小于预先设定的α(如：α=0.05)来决定是否拒绝原假设(Wasserstein&Lazar，2016)。若基于当前数据计算得出的p 值小于预先设定的α，则认为当原假设为真时，在一次抽样中出现当前结果(及更极端结果)的可能性非常小，那么研究者就有理由拒绝该原假设。由于NHST 的理论前提是假定原假设为真，这就意味着，p 值大于α 的结果(即统计意义上不显著的结果)并不能作为支持原假设的证据(Greenland et al.，2016；Wasserstein&Lazar，2016)。因此，当研究者将零效应(nil effect，“效应量为零”或者“效应不存在”)作为原假设(这样的原假设又称零假设，nil hypothesis) 时，无法通过NHST 和p 值来评估零效应。

    实际研究中，研究者经常需要评估零效应(Linde，Tendeiro，Selker，Wagenmakers，&Ravenzwaaij，2020)。例如，研究者欲证实某干预方法的非劣性，即欲证实新兴的、更为经济的治疗方案相对于常规治疗方案同样有效。又如，在一些实验组/控制组匹配的研究设计中，研究者需要对无关变量进行匹配(如：两组被试的性别、年龄)，即希望通过统计推断得到“两组被试来自同一总体”的结论。此外，许多理论会预测在某些情况下某效应不存在，此时证实该特定情况下的零效应可为这些理论提供支持。

    另一类常见的情况是，研究者发现基于收集到的数据未能拒绝欲推翻的原假设(即意外的p>0.05 的结果)，或是在进行探索性研究(未有明确的研究假设)时发现p>0.05 的结果。此时，研究者要进一步区分是“证据不足”(null of evidence，即由于统计效力低下等其他原因未能探测到本应存在的效应)还是“效应不存在”(evidence of null ......