Testarea ipotezelor

Procedurile de testare a ipotezelor sunt explicate aici în termenii modelului de

regresie. Abordarea este de natură clasică, deoarece se presupune că datele din eșantioanele
folosite pentru estimarea parametrilor modelelor de regresie sunt cele mai bune și unicele
informații despre variabilele incluse în modelele respective.
Testarea ipotezelor se practică într-o diversitate de situații. De exemplu, Agenția
Națională a Medicamentului și a Dispozitivelor Medicale, ANMDM, testează noile
medicamente înainte de a permite vânzarea lor. Dacă eșantionul de persoane expuse la noul
medicament arată un efect secundar semnificativ, mai frecvent decât s-ar fi așteptat să apară
din întâmplare, ANMDM nu va permite, probabil, comercializarea acelui medicament. În mod
similar, de aproape un secol, economiștii testează statistic diferite relații între consum și
venituri. Teoriile dezvoltate de John Maynard Keynes și Milton Friedman, printre alții, au fost
testate pe seturi de date macroeconomice și microeconomice. Deși cercetătorii sunt
întotdeauna interesați să afle dacă teoria în cauză este susținută de estimări generate dintr-
un eșantion de observații din lumea reală, este aproape imposibil să demonstreze că o
ipoteză dată este corectă sută la sută. Tot ce se poate face este de a afirma că un anumit
eșantion se conformează unei anumite ipoteze. Chiar dacă nu se poate demonstra că o
anumită teorie este „corectă” folosind testarea ipotezelor, deseori, cu un anumit nivel de
încredere, se poate respinge o anumită ipoteză. Concluzia, într-un astfel de caz, este aceea că,
este foarte puțin probabil ca ipoteza să fie adevărată.

Ipoteza nulă și ipoteza alternativă

Primul pas în testarea ipotezelor este de a preciza ipotezele care trebuie testate. Acest
lucru trebuie să se facă înainte de a estima ecuația, deoarece ipotezele dezvoltate după
estimare riscă să fie mai degrabă justificări ale unor rezultate particulare decât teste de
validitate a acestor rezultate. Ipoteza nulă reprezintă, de obicei, o afirmație privind valorile
pe care economistul nu le așteaptă pentru coeficientul testat. Notația folosită pentru a
specifica ipoteza nulă este „H0 :” urmată de o enunțare a intervalului de valori ale
coeficientului, în care acesta este de așteptat să nu se situeze. De exemplu, dacă se așteaptă
ca un coeficient să fie pozitiv, atunci înseamnă că este de așteptat ca acel coeficient să nu fie
zero sau negativ, iar ipoteza nulă se scrie în felul următor:
Ipoteza nulă H0 : 𝛽 ≤ 0 (valori neașteptate pentru coeficientul β)
Ipoteza alternativă este de obicei o afirmație privind valorile pe care coeficientul este
de așteptat să la ia. Notația folosită pentru a specifica ipoteza alternativă este „HA :” urmată
de o enunțare a gamei de valori așteptată pentru un coeficient. Dacă, de exemplu, este de
așteptat ca un coeficient să fie pozitiv, atunci ipoteza alternativă se scrie în felul următor:
Ipoteză alternativă HA : 𝛽 > 0 (valorile așteptate pentru coeficientul β)
La fel, când valorile așteptate pentru β sunt negative, ipotezele nulă și alternativă se scriu în
felul următor:
H0 : 𝛽 ≥ 0
HA : 𝛽 < 0
Testarea acestor ipoteze implică un test unilateral, deoarece ipoteza alternativă
conține valori într-o singură parte (stânga sau dreapta) a ipotezei nule. Când ipoteza
alternativă conține valori în ambele părți ale ipotezei nule, testul este unul bilateral. De
exemplu, pentru un test bilateral în jurul valorii zero, ipotezele nulă și alternativă se scriu în
felul următor:
H0: β = 0
HA: β ≠ 0
Există câteva cazuri rare în care este încălcată regula conform căreia valorile
așteptate ale coeficientului se includ în ipoteza alternativă. Se întâmplă acest lucru deoarece
testarea ipotezelor presupune ca ipoteza nulă să conțină semnul egal într-o anumită formă
(fie că este =, ≤ sau ≥). Această cerință îi obligă pe economiști să pună valoarea pe care o
așteaptă în ipoteza nulă dacă așteptarea lor include un semn egal. Acest lucru se întâmplă de
obicei atunci când economistul specifică o anumită valoare, mai degrabă decât un interval.
Din fericire, astfel de excepții sunt neobișnuite în aplicațiile curente.
Cu excepția cazurilor menționate mai sus, economiștii pun întotdeauna ceea ce
așteaptă în ipoteza alternativă. Acest lucru le permite efectuarea unor afirmații destul de
puternice atunci când se respinge o ipoteză nulă. Cu toate acestea, niciodată nu se poate
spune că se acceptă ipoteza nulă. Afirmațiile făcute prin testarea ipotezelor pot fi
următoarele:
- se respinge ipoteza nulă, H0 ; implicit, se acceptă ipoteza alternativă, HA ;
- nu se poate respinge ipoteza nulă, H0 ;
În justiție, de exemplu, prezumția de „nevinovat până la dovedirea vinovăției”
presupune formularea ipotezelor în felul următor:
H0: Pârâtul este nevinovat.
HA: Pârâtul este vinovat.
O instanță nu poate stabili că pârâtul este nevinovat, ci doar, pe baza probelor administrate,
decide că nu poate respinge prezumția de nevinovăție. Aceasta deoarece, este de datoria
acuzării de a aduce probele care să dovedească că inculpatul este vinovat, probe pe baza
cărora instanța decide respingerea ipotezei nule și declară inculpatul vinovat. Dacă acuzarea
nu poate aduce probe concludente, instanța nu poate decât să constate că, pe baza lor, nu
poate exclude prezumția de nevinovăție, chiar dacă, în fapt, inculpatul este vinovat de
comiterea faptelor incriminate.
Erori de tip 1 și de tip 2 în testarea ipotezelor

Testarea unei ipoteze privind semnul unui coeficient de regresie sau privind o valoare
a sa, cu excepția termenului liber, reprezintă o preocupare curentă în Econometrie. Deoarece
estimatorii coeficienților de regresie se obțin pe baza unui eșantion de date, nu pe întreaga
populației, concluziile analizei de regresie pe baza acestor estimatori nu sunt întotdeauna
corecte. Astfel, unele ipoteze pot fi adevărate, altele pot fi false. În testarea ipotezelor pot
apărea două tipuri de erori:
- respingerea ipotezei nule, H0 , care, în fapt, este adevărată - erori de tip 1;
- nerespingerea ipotezei nule, H0 , care, în fapt, este falsă - erori de tip 2.
Erorile de tip 1 și de tip 2 pot apărea deoarece, pe baza unor eșantioane de date
particulare, se pot obține valori atipice ale parametrilor. Fie următoarele ipoteze cu privire
la coeficientul 𝛽:
H0: β ≤ 0
HA: β > 0

Chiar dacă în realitate β nu este pozitiv, estimarea sa particulară obținută pe baza

unui eșantion poate fi o valoare suficient de pozitivă pentru a duce la respingerea ipotezei
nule. Aceasta este o eroare de tip 1 - se respinge ipoteza nulă adevărată! Similar, este posibil
să se obțină o estimare a lui β care este suficient de aproape de zero sau negativă pentru a fi
considerat „nesemnificativ de pozitiv”. Un astfel de rezultat poate duce la „acceptarea”
ipotezei conform căreia β ≤ 0, când, în fapt, β > 0. Aceasta este o eroare de tip 2 – nu se
respinge ipoteza nulă falsă!
Pentru exemplificarea modului în care se pot face erori de tip 1 și de tip 2, se reia
exemplul din justiție. O eroare de tip 1 înseamnă respingerea ipotezei nule, care în fapt, este
adevărată. Aceasta însemnă implicit acceptarea ipotezei alternative, adică declararea a
inculpatului ca fiind vinovat și pedepsirea sa pe nedrept. De-a lungul timpului, astfel de
greșeli s-au înregistrat în practica judiciară. În mod similar, eroarea de tip 2 înseamnă
nerespingerea ipotezei nule, care în fapt este falsă. Pârâtul este declarat nevinovat, rămâne
nepedepsit, el fiind, de fapt, vinovat.
Cei mai mulți dintre noi ar dori ca ambele niveluri de eroare să fie destul de mici, dar
o astfel de certitudine este aproape imposibilă. Greșelile pot apărea, pot exista martori
mincinoși, anumite probe pot fi compromise etc. În lumea reală, scăderea probabilității unei
erori de tip 1 (pedepsirea unui inculpat nevinovat) înseamnă creșterea probabilității unei
erori de tip 2 (nepedepsirea unui inculpat vinovat). Cu cât preocuparea de a nu pedepsi
inculpați nevinovați este mai pregnantă, cu atât mulți inculpați vinovați vor scăpa
nepedepsiți.
Regula de decizie privind testarea ipotezelor

O regulă de decizie este o procedură prin care se decide dacă ipoteza nulă se respinge
sau nu se poate respinge. De obicei, o regulă de decizie implică compararea unei statistici
determinate pe baza unui eșantion cu o valoare critică preselectată, ce poate fi găsită în
tabelele statistice. O regulă de decizie trebuie formulată înainte de obținerea estimărilor
parametrilor. Gama de valori posibile ale lui 𝛽̂ este împărțită în două regiuni, o regiune de
„acceptare” și o regiune de respingere, unde termenii sunt exprimați în raport cu ipoteza
nulă. Pentru a defini aceste regiuni, trebuie determinată o valoare critică (sau, pentru un test
bilateral, două valori critice) ale lui 𝛽̂ . Astfel, o valoare critică este o valoare care separă
regiunea „de acceptare” de regiunea de respingere la testarea ipotezei nule. Graficele acestor
regiuni de „acceptare” și respingere sunt prezentate în figurile 1 și 2.
Dacă, de exemplu, valoarea critică este egală cu 1.8, iar 𝛽̂ calculat este mai mare decât
această valoare critică, se poate respinge ipoteza nulă H0 : 𝛽 ≤ 0. Acest lucru este ilustrat în
figura 1. Orice 𝛽̂ mai mare decât 1.8 este situat în regiunea de respingere, în timp ce orice 𝛽̂
mai mic decât 1.8 este situat în regiunea „de acceptare”. Regiunea de respingere măsoară
probabilitatea unei erori de tip 1, când ipoteza nulă este adevărată. Pentru a evita o astfel de
eroare, regiunea de respingere poate fi făcută cât mai mică. Din păcate, scăderea șansei unei
erori de tip 1 (respingerea ipotezei nule adevărată) înseamnă creșterea șansei unei erori de
tip 2 (nerespingerea unei ipoteze nule falsă). Dacă regiunea de respingere este atât de mică
încât aproape niciodată nu se respinge o ipoteză nulă adevărată, atunci nu se va putea
respinge nici când aceasta este falsă. Ca urmare, probabilitatea unei erori de tip 2 va crește.
Având în vedere acest lucru, cum se alege între erorile de tip 1 și cele de tip 2? Răspunsul
este ușor de dat dacă se cunoaște costul (pentru societate sau pentru factorul de decizie)
fiecărui tip de eroare. Dacă costul comiterii unui tip de eroare este dramatic mai mare decât
costul comiterii celuilalt tip, atunci, evident, se va urmări diminuarea riscului producerii
tipului de eroare mai costisitor.
Figura 1. Regiunile de “acceptare” și de respingere pentru un test unilateral asupra lui β
Pentru un test unilateral H0 : 𝛽 ≤ 0 , HA : 𝛽 > 0, valoarea critică împarte distribuția lui 𝛽̂ (centrată
în jurul valorii zero, presupunând că H0 este adevărată) în regiuni de “acceptare” și de respingere

Figura 2. Regiunile de “acceptare” și de respingere pentru un test bilateral asupra lui β

Pentru un test bilateral H0 : 𝛽 = 0 , HA : 𝛽 ≠ 0, se divide distribuția lui 𝛽̂ într-o regiune de “acceptare”
și două regiuni de respingere