「帰無仮説」「対立仮説」——仮説検定を学ぶと必ず登場する二つの概念です。この記事ではまずその定義を確認し、続いて「なぜわざわざ『差がない』という前提から始めるのか」という背景にある論理を掘り下げます。
統計検定を学んだとき、多くの人が一度は疑問に思います。「初めから差があることを調べていけばいいのでは？」。その答えは、帰無仮説の設計そのものの中にあります。
「差がある」を直接証明できない理由
仮説検定の出発点は、多くの場合「二つのグループに差があるか？」という問いです。ならば素直に「差がある」という仮説を立てて、それを検証すればいいのではないか、と思うかもしれません。しかしこれには根本的な問題があります。
「差がある」と一口に言っても、その内実は無限にあります。
「差がある」の内訳（例）
差が +0.1 かもしれない
差が +1.5 かもしれない
差が +23.7 かもしれない
差が −2.3 かもしれない
差が −0.001 かもしれない
……（無限に続く）
このように「差がある」という一言の中には無限のパターンがあります。これらすべてのパターンを網羅して「どれかが正しい」と証明するのは、事実上不可能です。
一方、「差がない」という仮説はどうでしょうか。これはただ一点、差が0であるというシンプルな状態を指します。検証すべき状態が一つに絞られるため、確率的な評価が可能になるのです。
ポイント：「差がない（= 0）」という一点を仮定することで、はじめてデータがどれくらい「ありえなさそうか」を計算できる。
帰無仮説と対立仮説の定義
上記の考え方を踏まえて、仮説検定では二つの仮説を立てます。
| 名称 | 記号 | 内容 |
| 帰無仮説 | H₀（エイチ・ゼロ） | 「差がない」「関連がない」という主張。棄却の対象として設定する。 |
| 対立仮説 | H₁（エイチ・ワン） | 「差がある」「関連がある」という主張。本来証明したい内容。 |
「帰無」とは「無に帰す（= 消し去る）」という意味です。つまり帰無仮説は「無に帰す（棄却する）ために立てられる仮説」です。対立仮説はその名の通り、帰無仮説と対立する主張であり、研究者が本当に言いたいことを表しています。
注意：仮説検定では、対立仮説を直接証明するのではなく、「帰無仮説を棄却できるかどうか」を評価します。対立仮説の採択はあくまでも間接的な結論です。
背理法との対比——似て非なるもの
仮説検定の論法は、数学の「背理法」に似ています。しかし、決定的に異なる点があります。この違いを理解することが、仮説検定の本質を掴む鍵になります。
背理法とは？
背理法とは、「ある命題Pが正しいことを証明したいとき、いったんPが偽であると仮定し、そこから矛盾を導くことでPの正しさを示す」論法です。
背理法の例（数学）
「√2 が無理数である」を証明したい。
→ 「√2 が有理数だと仮定する」
→ 論理的に矛盾が生じる
→ よって√2 は無理数である（確実な結論）
厳密な意味での背理法で導き出された結論は、覆ることがありません
仮説検定との共通点
仮説検定も「証明したいこと（対立仮説）の反対（帰無仮説）を仮定し、それが成り立たないことを示す」という流れは背理法と似ています。
仮説検定の論法（例）
「二群に差がある」ことを示したい。
→ 「差はない（H₀）」と仮定する
→ 観測データを収集する
→ 「H₀が正しいとすると、このようなデータが得られる確率は5%未満だ（p < 0.05）」
→ H₀を棄却 → 対立仮説を採択
決定的な違い：「確実」か「確率的」か
背理法では、矛盾が生じれば確実にもとの仮定が偽であると言えます。これは純粋な論理の世界の話です。
一方、仮説検定は確率の世界の話です。「p < 0.05」は「H₀が正しいとした場合に今回のデータが得られる確率が5%未満」という意味であって、「H₀が偽である確率が95%」ではありません。矛盾が生じるのではなく、「まれなことが起きた」というだけです。
まとめ：背理法は「矛盾→確実な否定」、仮説検定は「稀な事象→確率的な棄却」。仮説検定は背理法にインスパイアされた確率的な推論であり、背理法そのものではない。
この「確率的な推論である」という点が、仮説検定が誤解を生みやすい理由でもあり、面白さでもあります。
各手法での帰無仮説・対立仮説
帰無仮説・対立仮説の設定は手法によって異なります。ただし、どれも「差がない・関連がない」をH₀にするという原則は共通しています。以下に代表的な手法をまとめます。
① 対応なしt検定（二群の平均値の比較）
| 仮説 | 内容 |
| H₀ | 二群の母平均に差はない（μ₁ = μ₂） |
| H₁ | 二群の母平均に差がある（μ₁ ≠ μ₂） |
例：A病院とB病院の平均在院日数に差があるか？ → 「差がない」を帰無仮説に設定する。
Pearsonの積率相関分析
| 仮説 | 内容 |
| H₀ | 母相関係数はゼロである（ρ = 0） |
| H₁ | 母相関係数はゼロではない（ρ ≠ 0） |
例：年齢と握力の間に相関があるか？ → 「相関がない（ρ = 0）」を帰無仮説に設定する。
単回帰分析（回帰係数の検定）
| 仮説 | 内容 |
| H₀ | 回帰係数はゼロである（β = 0） |
| H₁ | 回帰係数はゼロではない（β ≠ 0） |
例：歩行速度から転倒リスクを予測できるか？ → 「歩行速度の係数がゼロ（= 予測に寄与しない）」を帰無仮説に設定する。
共通点：どの手法も帰無仮説は「無（ゼロ）」の状態を表している。これが「帰無（無に帰す）仮説」という名前の由来でもあります。
まとめ
- 「差がある」は無限のパターンがあり直接検証できない。「差が0（帰無仮説）」という一点を仮定するから確率的な評価が可能になる。
- 帰無仮説（H₀）は「棄却されるために立てる」仮説。対立仮説（H₁）が本当に主張したいこと。
- 仮説検定の論法は背理法に似ているが、「確実な矛盾」ではなく「確率的なまれさ」に基づく点で根本的に異なる。
- t検定・相関分析・回帰分析のどれも、帰無仮説は「ゼロ（効果なし・関連なし）」の状態である。
帰無仮説・対立仮説に関連がある関連記事：
仮説検定とは？
p値とは何か？よくある誤解と正しい解釈
効果量——統計的有意性だけでは不十分な理由
95％信頼区間とは
ｔ検定とは
コメント