帰無仮説（通常はH0と書かれる）は、統計学において、母集団のパラメータについての既定値、つまり基準となる仮定を表す正式な記述である。慣例的には、「効果がない」「変化がない」「差がない」ことを主張する。たとえば、新しい治療法の平均的な結果が既存の治療法と同じである、といった形で表される。この仮説は、標本データがそれを棄却するのに十分強い証拠を示さない限り、真であるものとして扱われる。

役割と構造

実際の検定では、帰無仮説は基礎となるモデルの1つ以上のパラメータについて、明確で具体的な条件を定める。これには、効果や差の存在を表す対立仮説が対応する。検定は、得られたデータが帰無仮説と両立しないかどうかを評価するために構成される。検定では検定統計量と、それに対応するp値が算出され、あらかじめ定めた有意水準（通常は記号αで表す）と比較して判断が行われる。p値がαより小さければ帰無仮説は棄却され、それ以外では「帰無仮説を棄却できない」と報告される。

代表的な形と例

多くの帰無仮説は、「変化なし」または「差なし」という形を取る。たとえば、H0は2群の平均が等しい、相関が0である、比率が特定の値に等しい、といった内容を述べることがある。日常的な例としては、次のようなものがある。

  • 臨床試験では、H0 — 新薬の効果はプラセボと同じである。
  • 嗜好調査では、H0 — 人々はチョコレートとバニラを同程度に好む。
  • 教育測定では、H0 — 男子と女子はピアノ試験で同等の成績を示す。

t検定やz検定のようなパラメトリック検定では、帰無仮説は標本平均を仮定した母平均と比較することがある。分割表の検定では、2つのカテゴリ変数が独立であるとするのが一般的な帰無仮説である。

誤り、検出力、片側性

帰無仮説を扱う際に重要なのは2種類の誤りである。真の帰無仮説を棄却してしまう誤りが第I種誤り、偽の帰無仮説を棄却できない誤りが第II種誤りである。第I種誤りの確率はαによって制御される。統計的検出力とは、偽の帰無仮説を正しく棄却できる確率であり、標本サイズが大きいほど、真の効果が大きいほど、測定がより正確であるほど高くなる。検定は、対立仮説が効果の方向を指定するかどうかに応じて、片側検定（方向あり）または両側検定（方向なし）になりうる。

歴史的背景

帰無仮説を用いる用語と実践は、20世紀に広く普及した。この用語はロナルド・フィッシャーと強く結びついており、彼はp値を証拠の尺度として重視した。また、その後のネイマン＝ピアソンの枠組みは、第I種誤りと第II種誤りを区別する、形式的な意思決定論的アプローチを与えた。こうした歴史的発展は、医学から社会科学に至るまで、研究者が実験を設計し結果を解釈する方法に影響を与えた。背景の理解には、ロナルド・フィッシャーに関する記述も参照できる。

用途、代替手法、実務上の注意

帰無仮説検定は、推論に基づく判断のために広く用いられている。規制当局の承認、品質管理、産業分野のA/Bテスト、学術研究などは、いずれも帰無仮説と検定手続きに依存している。ただし、これが唯一の方法ではない。代替手法としては、効果量と不確実性を重視する信頼区間による推定、そして事前情報とデータを組み合わせるベイズ手法がある。p値への過度の依存や再現性への懸念から、より明確な報告を求める声もある。すなわち、仮説と分析計画を事前に明示し、効果量と信頼区間を報告し、有意でない結果は「H0を棄却するには証拠が不十分」と解釈して、「効果がないことの証明」とはみなさないことである。

実践的な例と参考の手がかり

実験を設計する際には、H0と対応する対立仮説を明示し、適切な検定統計量を選び、αを設定し、望ましい検出力を得るために十分な標本サイズを計画する。簡潔な入門や応用ガイドとしては、仮説検定や実験計画に関する標準的な教科書やオンライン資料が役立つ。「差なし」の定式化に焦点を当てた議論については、差なし仮説に関する資料を参照するとよい。

帰無仮説を理解することは、研究者が問いを整理し、方法を選び、証拠を解釈するうえで助けとなる。同時に、個々の科学的問題には、より適した別の手法や制約があることも意識できるようになる。