「帰無仮説」とは?意味や例文や読み方や由来について解説!

「帰無仮説」の読み方と意味

「帰無仮説」は「きむかせつ」と読みます。

統計学や仮説検定という分野でデータをもとに結論を導くときに使われる専門用語で、日常生活の会話の中で耳にすることはほとんどありません。

一言でいうと、帰無仮説とは「最初から否定されることを想定して立てる仮説」のことを指します。

研究者が本当に主張したいことの反対側にあえて置いておき、それを打ち消すための「比較の土台」として用意される仮説なのです。

たとえば「新しい薬には効果がある」と示したい場合、研究者はまず正反対の「新しい薬と既存の薬の効果に差はない」という仮説をあえて立てておき、それをデータによって否定できるかどうかを検定というプロセスのなかで確かめていきます。

このとき、最初から「効果がある」と決めつけて計算を進めることはできません。

こうして用意しておいた仮説が実際にデータによって否定されたとき、研究者が本来示したかった「効果がある」という主張のほうに、ようやく統計的な裏づけが生まれるという仕組みになっているのです。

言い換えると、帰無仮説は主役ではなく、主張を裏づけるための脇役のような役割を担っています。

この「最初から否定される前提で立てる」という性質こそが、名前に含まれる「無」という漢字の意味につながっていきます。

続く章では、この「無」という字が持つ意味をもう少し詳しく見ていきましょう。

「帰無仮説」とは何を指す仮説なのか

帰無仮説とは、仮説検定と呼ばれる統計的な手続きのなかで、まず最初に立てられる仮説のことを指します。

何かを新しく主張するのではなく、むしろ変化や違いを打ち消す側に立つ、いわば検定の出発点となる仮説であり、この仮説がなければ検定そのものを始めることができません。

具体的には「差がない」「関連がない」「効果がない」など、現状維持や無効を表す内容で設定されるのが基本です。

見た目には「つまらない」内容ですが、それゆえに検定の土台として扱いやすい仮説になっています。

たとえば2つのグループを比較する研究であれば、「このグループとあのグループの間に差はない」という形が帰無仮説の典型的な立て方になり、ここから具体的な検定の計算が始まっていきます。

アンケート調査や医療の臨床試験など、さまざまな分野でこの考え方が共通して使われています。

記号では一般にH0(エイチゼロ)と表記され、研究者が本当に示したい主張である対立仮説(H1)と、常に一対になる形で資料や論文のなかに登場します。

帰無仮説は単独では意味を持たず、対立仮説とセットになって初めて、検定という仕組み全体が成立する点が重要です。

どちらか一方だけを取り出して考えることはできません。

「帰無仮説」という名前の由来・成り立ち

「帰無」とは「無に帰する」、つまり「最終的に無に戻る」という意味を持つ言葉です。

検定という手続きのなかで、この仮説がどのような運命をたどることになるのかを、名前そのものがそのまま表しているのです。

検定の結果として棄却され、最終的に無に帰ることを想定した仮説だからこの名前がついたと言われています。

否定されることをあらかじめ前提にした仮説、という発想がそのまま名前に反映されているわけです。

英語では「null hypothesis(ヌル・ハイポセシス)」と呼ばれ、帰無仮説という日本語はこの英語表現の訳語として、現在の統計学の教科書や論文のなかに広く定着しています。

英語の「null」も「無効」「ゼロ」「何もない」といった意味を持つ単語であり、漢字の「無」が持つニュアンスとちょうどよく対応していることがわかります。

翻訳の過程で生まれた言葉でありながら、意味のズレが少ない、うまく定着した訳語の一例だと言えるでしょう。

このような仮説検定の考え方は、20世紀前半に統計学者ロナルド・フィッシャーらによって整理され、その後の研究手法のなかに広く取り入れられていったと言われています。

現在でも多くの分野で、この基本的な考え方がそのまま使われています。

「帰無仮説」と対立仮説の関係・違い

対立仮説(H1)とは、研究者が本当に明らかにしたい、示したいと考えている主張のことを指します。

帰無仮説が「変化なし」の側に立つのに対して、対立仮説は「何らかの変化や差がある」という側に立つ仮説です。

帰無仮説と対立仮説は、どちらか一方だけが正しいという二択の関係になるように設計されています。

片方が否定されれば、もう片方が自動的に支持されるという仕組みになっています。

この2つの仮説は互いに重なる部分がなく、かつどちらかが必ず当てはまるように設定されるのが、仮説検定という仕組みにおける基本のルールであり、中間的な結論を出すことは原則として認められていません。

検定では「対立仮説が正しい」ということを直接証明することはできないため、まず帰無仮説を棄却することによって、間接的に対立仮説を支持するという手順を踏むのが決まりになっています。

帰無仮説だけ、対立仮説だけを単独で理解しても検定の仕組みは成立せず、常にセットで捉えることが欠かせません。

片方の意味がわかっても、もう片方との関係を見失うと、結論を正しく読み取ることができなくなってしまいます。

「帰無仮説」の立て方と具体的な使い方

帰無仮説は「差がない」「等しい」など、等号を含む内容で立てるのが基本の考え方です。

何かが「ある」「違う」と主張する前に、まず「ない」「同じ」という状態を明確に言葉にしておく必要があるのです。

手順としては、まず研究や検証で明らかにしたいテーマを決め、そこから「変化なし」「差なし」の状態を帰無仮説として書き出し、その逆の内容を対立仮説として整理していきます。

この順番を間違えると、検定の設計そのものがあやふやになってしまうので注意が必要です。

比較したい内容について「差がない」「変わらない」という形を作ることが、帰無仮説の立て方における基本のルールです。

具体的な場面で考えると、次のような立て方になります。

  • A/Bテストなら「AパターンとBパターンのクリック率に差はない」
  • 新しい施策の効果検証なら「施策を行う前と後で売上に変化はない」

このように帰無仮説の立て方を誤ると、計算そのものは進められても、結論の解釈がまったく成り立たなくなってしまいます。

最初の仮説設定こそが、検定全体を支える大切な土台になっていると言えるでしょう。

「帰無仮説」と有意水準・p値のつながり

有意水準とは、帰無仮説を棄却するかどうかを判断するための基準値のことで、検定を始める前にあらかじめ決めておく数値であり、多くの研究では慣習として5%(0.05)という値がよく使われています。

p値とは、帰無仮説が正しいと仮定した場合に、実際に観測されたような結果、またはそれより極端な結果が起こる確率のことを指し、0から1までの数値で表されます。

p値がこの有意水準よりも小さければ、帰無仮説を棄却するという判断を下すことになります。

反対に、p値が有意水準より大きい場合には、帰無仮説を棄却しないという判断になります。

言い換えると、p値が小さいほど、帰無仮説のもとでは起こりにくい珍しい結果だったと解釈できるのです。

データが帰無仮説と矛盾する度合いが強いほど、p値は小さくなっていきます。

実際の流れとしては、手元のデータから検定統計量という数値を計算し、それに対応するp値を求め、あらかじめ決めておいた有意水準と比較して最終的な結論を出すという順序になります。

この一連の流れを押さえておくと、統計の結果を読むときに迷うことが少なくなります。

「帰無仮説」の棄却・採択の正しい理解

統計的検定を行って最終的に言えることは、「帰無仮説を棄却する」か「帰無仮説を棄却できない」かのどちらか一方だけです。

棄却できたときには「有意な差がある」と自信を持って主張できますが、棄却できなかったときに「帰無仮説は正しい」と言い切ることは、統計学的には絶対にできません。

この一方通行の関係こそが、きむかせつという考え方のなかでいちばん誤解されやすいポイントだと言われています。

そのため正確な解説の場では「帰無仮説を採択する」という言葉をあえて避け、「帰無仮説を棄却できなかった」という、少し慎重な表現を使うのが基本になっていて、この言葉選び自体がきむかせつの性質をよく表しています。

サンプル数が十分でなかったせいで、本当は存在している差を見つけられなかった、という可能性がいつも残っているため、棄却できないことは帰無仮説が正しいという証明には決してならないのです。

実務の報告書や学術論文では、「有意差は認められなかった」「差があるとは言えない」といった、結論を断定しすぎない言い回しが好んで使われています。

「帰無仮説」に関わる第一種の誤りと第二種の誤り

帰無仮説を使った統計的検定には、構造的に避けることができない二種類の誤りが存在することが知られています。

第一種の誤り(α)

第一種の誤りとは、本当は帰無仮説が正しいのに、それを誤って棄却してしまうことで、この誤りが起こる確率を記号αで表します。

第二種の誤り(β)

第二種の誤りとは、本当は帰無仮説が誤っているのに、それを棄却できずに「差があるとは言えない」と結論してしまうことを指し、この誤りが起こる確率はβと表されます。

αを小さく設定すると第一種の誤りは減らせますが、その分βが増えやすくなるため、サンプルサイズを大きくすることで両方のバランスをとりやすくなると言われています。

医薬品の安全性審査では「効果がないものを効果があると判断してしまう」第一種の誤りを特に警戒し、がん検診などでは「病気を見逃してしまう」第二種の誤りをより重く見る、という判断の違いが実務の現場では生まれています。

分野ごとに見る「帰無仮説」の具体例

医学や薬学の分野では、「この新薬を投与しても、投与しなかった場合と治療効果に差はない」という文章が帰無仮説の典型的な立て方です。

心理学や社会調査では「学習方法Aと学習方法Bで、テストの平均点に差はない」のように、二つのグループを比べる場面で帰無仮説が頻繁に使われています。

マーケティングの現場ではA/Bテストという名前で同じ考え方が広く使われており、「広告デザインAとBでクリック率に差はない」が帰無仮説の役割を果たしています。

論文やビジネス資料では、「〜に統計的に有意な差は認められなかった」のように、本文の結論のあとに帰無仮説の判定結果をそっと添える書き方がよく見られます。

分野はまったく違っていても、「差がない」「効果がない」「関係がない」という形で仮説を立てるという基本の型は、きむかせつという考え方のなかでしっかり共通しています。

「帰無仮説」を使った例文

  • 【例文1】本研究では、投与群と対照群の間に症状の改善率に差はないという帰無仮説を立て、独立したサンプルによるt検定を実施した
  • 【例文2】今回のA/Bテストでは、バナーAとバナーBのクリック率に差はないという帰無仮説が、有意水準5%のもとで棄却された
  • 【例文3】帰無仮説というのは、簡単に言うと「差はない」「効果はない」とあえて最初に仮に置いておく仮説のことです
  • 【例文4】この調査結果では帰無仮説を棄却できなかったので、新しい研修プログラムに効果があるとはまだ言い切れません
  • 【例文5】帰無仮説が棄却されなかったので、二つの指導法に差がないことが証明された

例文1と例文2のように、研究やビジネスの現場では「〜という帰無仮説を立て」「〜という帰無仮説が棄却された」という形で使われることがほとんどです。

例文5は、棄却されなかったことをそのまま「差がないことが証明された」と言い切ってしまっている点で、典型的な誤用に近い表現になっています。

例文4のように「棄却できなかったので、まだ効果があるとは言い切れない」という慎重な言い方のほうが、きむかせつの考え方に沿った正確な表現だと言われています。

「帰無仮説」のまとめ

まとめ
  • 「帰無仮説」は「きむかせつ」と読み、検定の出発点として「差はない」とあえて仮に置く仮説のことです。
  • 棄却はできても、棄却できないことを「帰無仮説が正しい証明」と言い切ることはできません。
  • 第一種の誤り(誤って棄却)と第二種の誤り(誤って棄却できない)は、常にトレードオフの関係にあります。
  • 医学・心理学・マーケティングなど、分野を問わず「差がない」という同じ型で使われています。

ここまで、帰無仮説の棄却・採択の考え方から、第一種・第二種の誤り、分野ごとの具体例や例文まで見てきました。

きむかせつという読み方と、「最初にあえて否定される前提として置く仮説」という核心の意味を、ここでもう一度しっかり確認しておきましょう。

対立仮説とセットで検定を組み立て、棄却できたときだけ強く主張し、棄却できなかったときは謙虚に受け止めるという姿勢こそが、統計的な考え方の基本だと言われています。