我們可以在非劣效性測試中接受 null 嗎？
在通常的均值 t 檢驗中，使用通常的假設檢驗方法，我們要么拒絕零，要么無法拒絕零，但我們從不接受零。這樣做的一個原因是，如果我們獲得更多證據，相同的效應量就會變得顯著。
但是在非劣效性測試中會發生什麼？
那是：
對比
在哪裡是一些我們認為基本相同的數量。所以，如果我們拒絕空值，我們會說大於至少. 如果證據不足，我們不能拒絕無效。
如果效果大小是或更大，那麼這類似於常規 t 檢驗。但是如果效果大小小於在我們的樣本中？然後，如果我們增加樣本量並保持相同的效果，它將保持不顯著。因此，我們可以在這種情況下接受 null 嗎？
您的邏輯以完全相同的方式適用於舊的單面測試（即) 讀者可能更熟悉。具體來說，假設我們正在測試 null反對替代方案是積極的。那麼如果是真的是否定的，增加樣本量不會產生顯著的結果，也就是說，用你的話來說，“如果我們得到更多證據，相同的效應量就會變得顯著”是不正確的。
如果我們測試，我們可以有三種可能的結果：
- 第一的，置信區間可以完全高於零；然後我們拒絕 null 並接受替代方案（即為正）。
- 其次，置信區間可以完全低於零。在這種情況下，我們不拒絕 null。但是，在這種情況下，我認為可以說我們“接受空值”，因為我們可以考慮作為另一個 null 並拒絕那個。
- 第三，置信區間可以包含零。那我們不能拒絕我們不能拒絕要么，所以沒有什麼可以接受的。
所以我想說，在片面的情況下，人們可以接受空值，是的。但是我們不能僅僅因為我們沒有拒絕它而接受它；有三種可能性，而不是兩種。
（這同樣適用於等效性檢驗，即“雙向檢驗”（TOST）、非劣效性檢驗等。人們可以拒絕無效、接受無效或獲得不確定的結果。）
相反，當是一個空點，例如，我們永遠無法接受，因為不構成有效的零假設。
（除非只能有離散值，例如必須是整數；那麼看來我們可以接受因為現在確實構成了一個有效的零假設。不過，這有點特殊。）
這個問題前段時間在@gung 的回答下的評論中討論過：為什麼統計學家說一個不顯著的結果意味著“你不能拒絕零”而不是接受零假設？
另請參閱一個有趣（且投票不足）的線程在 Neyman-Pearson 方法中拒絕 null 是否意味著應該“接受”它？，@Scortchi 解釋說，在 Neyman-Pearson 框架中，一些作者在談論“接受空值”時沒有問題。這也是@Alexis 在她回答的最後一段中的意思。