在量化类论文写作和研究课题的设计中,通常都需要提出研究假设,但很多研究者对研究假设并不了解,本文将对它进行介绍:
研究假设是研究者根据学科理论,或是以往相关研究的发现或结论,对研究问题的规律、原因或结果作出的一种尝试性的逻辑推测。
“假设”常常是理论框架或分析模型中规定的两个或多个变量之间关系的一种试验性的描述。 只讨论一个变量的假设并不是研究假设。比如:“今晚美股会跌停”这句表述中只有“美股”这一个变量,不符合研究假设的基本定义。
讨论两个或多个变量,但变量间没有关联性,也不是研究假设。比如:“明天欧洲新增疫情患者将超过5000人,明天A股将小幅上涨”这句话里面出现了“欧洲新增疫情患者人数”和“A股”这两个变量,但并没有显示这两个变量间存在关联。
我们也不能只说“A和B之间存在显著关联”,而应该具体描述两变量之间存在怎样的关联。比如:“用户对在线课程的满意度与他们持续使用在线教育的意愿呈正比”。
研究假设具有一定的猜测性
研究假设是研究者还未正面的陈述或主张,需要继续被各种实证研究所验证。验证假设的过程其实就是研究的过程。
研究假设必须是简单单一的
一个研究假设只讨论一对关系。比如:“A比B更喜欢炒股”,“A和B呈正相关”,“A越多B越少”,“A受B的显著影响”等等。
研究假设也可以描述某变量的中介作用,比如“A对B和C之间的关系起中介作用”,“A mediates the relationship between B and C”。 但是我们不要有“A比B和C更喜欢炒股”,“A和B呈正相关,且和C呈负相关”等等这类展示多对关系的描述。
研究假设必须是可以被验证的
研究假设必须是可以被验证的,后人可重复的推测。要让假定变成科学理论,关键在于它所预测的事实被实践所证实。
研究假设具有一定的科学理论依据
研究假设必须建立在事实或已有科学知识的基础之上,以一定的实验材料和经验事实为基础,以一定的科学知识作依据,经过一系列论证才能提出。
注意:我们所谈论的是研究论文或理论框架中涉及的假设!在研究论文中涉及的假设和实际利用统计方法进行检验的假设是不完全相同的,大家一定要进行区分。
前者所讨论的“研究假设(research hypotheses)”是研究者感兴趣的理论假设,在统计上也叫备择假设或对立假设(alternative hypothesis),常用H1、H2、H3表示; 后者所讨论的“假设检验(hypothesis test)”是对总体参数或分布的某一假设作出拒绝或保留的决断,它一般有两个相互对立的假设,即零假设(H0,null hypothesis)和备择假设(H1,alternative hypothesis)。
显著性检验是假设检验中最常用、最基本的一种统计推断形式。零假设一般都表述为“无显著差异”的假设。拒绝零假设就意味着“差异是显著的”,因而就要接受备择假设。
科学研究假设的形成是从观察发现到理论发现的中介环节,是由个别特殊的发现过渡到普遍一般发现的方式,一般需要经历以下步骤:
要在搜索一定数量的事实、资料基础上,提炼出科学问题;
寻求理论支撑,形成初步假设;
利用各种相关材料和方法对假说的基本观点进行论证,进而形成一个结构严谨、稳定的知识体系。
假设在表述形式上是“陈述式”的,不采用提问题似的“疑问式的”表述,可以进行统计上的检验。一个研究中,理论框架下一般会有若干个待检验的假设支持。
通常情况下,我们经常用模型对各种理论假设进行简洁的描述,勾勒出理论框架中研究对象各要素之间的联系及联系的结构、方向和强度。
例如,下面是一个经典的“期望确认模型”(Expectation–confirmation model,ECM):
我们可以从ECM模型中得到以下假设:
H1:用户对××的期望确认与他们对××的感知有用性呈正相关; H2:用户对××的期望确认与他们对××的满意度呈正相关;
H3:用户对××的满意度与他们持续使用××的意愿呈正相关; H4:用户对××的感知有用性与他们对××的满意度呈正相关;
H5:用户对××的感知有用性与他们持续使用××的意愿呈正相关; 一个好的研究假设要说明变量间的关联性,以及存在何种关联。
并非所有的研究都需要假设。通常,描述性研究、探索性研究不需要假设,但是定量研究中的实验研究、预测研究和评价研究等,它们往往要建立理论模型,通过参数检验、非参数检验、相关分析、回归、对数线性模型等高级统计分析方法分析模型中各因素间的关联程度,从而达到检验理论模型的目的,这些研究都需要有研究假设。
研究假设的正确与否是未知的,它可能被后续的实验/调查结果支持或否定。如果提出的所有假设都一定要被证明成立,一切都在研究者的掌握中,还有什么研究的意思呢~因此,研究假设不成立是很正常的情况,在论文中如实汇报即可。
以上是我对论文研究假设的理解、整理和分享,也许会有考虑不周到的地方,欢迎大家一起交流~
主要参考 :
柯惠新, 王锡苓, 王宁. 传播研究方法[M]. Zhong guo chuan mei da xue chu ban she, 2010.
Lee M C. Explaining and predicting users’ continuance intention toward e-learning: An extension of the expectation–confirmation model[J]. Computers & Education, 2010, 54(2): 506-516.
Gilstrap J B, Collins B J. The importance of being trustworthy: Trust as a mediator of the relationship between leader behaviors and employee job satisfaction[J]. Journal of Leadership & Organizational Studies, 2012, 19(2): 152-163.
以上就是论文研究假设要怎么写?了解更多论文常识及论文查重技巧,可以关注paperpp论文查重!
推荐阅读:《毕业论文写作最强攻略分享》
800万大学生都在用的免费论文查重平台
本文由PaperPP论文查重系统原创,转载请注明出处:https://www.paperpp.com/industry/2710 .html