ตรรกะของคุณนำไปใช้ในทางเดียวกันกับการทดสอบด้านเดียวที่ดี (เช่นเดียวกับ x=0) ที่อาจคุ้นเคยกับผู้อ่านมากกว่า สำหรับรูปธรรมลองจินตนาการว่าเรากำลังทดสอบค่า NullH0:μ≤0 กับทางเลือกที่ μเป็นบวก ถ้าเป็นจริงμ เป็นลบการเพิ่มขนาดตัวอย่างจะไม่ให้ผลลัพธ์ที่มีนัยสำคัญกล่าวคือการใช้คำพูดของคุณมันไม่เป็นความจริงเลยว่า "ถ้าเรามีหลักฐานมากขึ้น
ถ้าเราทดสอบ H0:μ≤0เราสามารถมีผลลัพธ์ที่เป็นไปได้สามประการ:
ครั้งแรก (1−α)⋅100%ช่วงความมั่นใจสามารถอยู่เหนือศูนย์ได้ทั้งหมด จากนั้นเราปฏิเสธโมฆะและยอมรับทางเลือกอื่น (นั่นμ เป็นบวก)
ประการที่สองช่วงความมั่นใจอาจต่ำกว่าศูนย์ทั้งหมด ในกรณีนี้เราจะไม่ปฏิเสธค่าว่าง อย่างไรก็ตามในกรณีนี้ฉันคิดว่าเป็นการดีที่จะบอกว่าเรา "ยอมรับโมฆะ" เพราะเราสามารถพิจารณาได้H1 เป็นโมฆะอื่นและปฏิเสธอันนั้น
ประการที่สามช่วงความมั่นใจอาจมีศูนย์ ถ้าอย่างนั้นเราก็ปฏิเสธไม่ได้H0 และเราไม่สามารถปฏิเสธได้ H1 อย่างใดอย่างหนึ่งดังนั้นจึงไม่มีอะไรที่จะยอมรับ
ดังนั้นฉันจะบอกว่าในสถานการณ์ด้านเดียวเราสามารถยอมรับโมฆะใช่ แต่เราไม่สามารถยอมรับได้เพียงเพราะเราไม่สามารถปฏิเสธได้ มีสามความเป็นไปได้ไม่ใช่สอง
(เช่นเดียวกันกับการทดสอบความเท่าเทียมกัน aka "การทดสอบสองด้าน" (TOST) การทดสอบที่ไม่ด้อยคุณภาพ ฯลฯ สามารถปฏิเสธการยอมรับยอมรับ null หรือรับผลสรุปไม่ได้)
ในทางตรงกันข้ามเมื่อ H0 เป็นจุดว่างเช่น H0:μ=0เราไม่สามารถยอมรับได้เพราะ H1:μ≠0 ไม่ถือเป็นสมมติฐานว่างที่ถูกต้อง
(เว้นแต่ μสามารถมีได้เฉพาะค่าที่ไม่ต่อเนื่องเช่นต้องเป็นจำนวนเต็ม ดูเหมือนว่าเราจะยอมรับได้H0:μ=0 เพราะ H1:μ∈Z,μ≠0ตอนนี้มีสมมติฐานว่างที่ถูกต้อง นี่เป็นกรณีพิเศษเล็กน้อย)
ปัญหานี้ได้รับการพูดคุยกันเมื่อไม่นานมานี้ในความคิดเห็นภายใต้คำตอบของ @ gung ที่นี่: เหตุใดนักสถิติจึงบอกว่าผลลัพธ์ที่ไม่สำคัญแปลว่า "คุณไม่สามารถปฏิเสธโมฆะ" เมื่อเทียบกับการยอมรับสมมติฐานว่าง
ดูหัวข้อที่น่าสนใจ (และลงคะแนนต่ำกว่า) ความล้มเหลวในการปฏิเสธ null ในวิธี Neyman-Pearson หมายความว่าควร "ยอมรับ" หรือไม่ ที่ @Scortchi อธิบายว่าในกรอบ Neyman-Pearson ผู้เขียนบางคนไม่มีปัญหาในการพูดถึง "การยอมรับค่า Null" นั่นคือความหมายของ @Alexis ในวรรคสุดท้ายของคำตอบของเธอที่นี่