重要でない効果の周りの狭い信頼区間は、帰無の証拠を提供できますか？

nullを拒否できないということは、nullが真であることを意味すると仮定するのは明らかに誤りです。しかし、ヌルが拒否されず、対応する信頼区間（CI）が狭く、0を中心とする場合、これはヌルの証拠を提供しませんか？

私は2つの考えを持っています：はい、実際にはこれは効果が多かれ少なかれ0であるという証拠を提供します。しかし、厳密な仮説テストフレームワークでは、null効果は対応するCIと同様に、推論には単に使用できないようです。では、ポイントの推定値が重要でない場合のCIの意味は何ですか？また、推論には使用できませんか、それとも、前の例のようにnullの証拠を定量化するために使用できますか？

学術的参考文献を含む回答は推奨されます。

要するに：はい。

Andy Wが書いたように、パラメーターが指定された値に等しい（あなたの場合、効果サイズは0に等しい）と結論付けることは、同等性テストの問題です。

$1-\alpha$$1-2\alpha$

詳細については、この問題に関する最も包括的な本であるStefan Wellekの「Testing Statistical仮説の等価性と非劣性」を参照してください。

帰無仮説は、「すべてのモデルは間違っているが、一部は有用である」の意味を例示しています。文字通り、文脈から外れない限り、これらはおそらく最も有用です。つまり、ヌルの認識目的を覚えておくことが重要です。それが意図された目的である、それが改ざんされる可能性がある場合、代替手段はまだかなり有益ではありませんが、比較するとより有用になります。nullを拒否する場合、効果はおそらくゼロではない（または何でも– null仮説は改ざんの他の値を指定することもできます）...それでそれは何ですか？

$0.\bar 0$

$p$$n=1\rm M$$\mathcal N(0,1)$x=c()x=append(x,replicate(500,cor(rnorm(999999),rnorm(999999))))この回答を終える前に何回も気にかけていたので、最終的に6000のサンプルが得られました。以下は、それぞれhist(x,n=length(x)/100)とを使用したヒストグラムと密度プロットplot(density(x))です。

$\ \ \ \ $

skew(x)kurtosis(x)$n=1\rm M$

$|r|=.004$$n=999$$1\rm M$$|r|=.14$

一般的に、CIはNHSTよりも推論に役立ちます。これは、パラメーターが無視できるほど小さいと想定することがいかに悪い考えであるかを表すだけではありません。これは、パラメーターが実際に何であるかについての良い考えを表しています。これが無視できるかどうかを判断することはできますが、無視できない可能性があるという感覚をつかむこともできます。信頼区間のさらなる権利擁護については、カミング^{（2014、2013）} 。

_{参考文献
-カミング、G。（2013）。新しい統計の理解：効果サイズ、信頼区間、メタ分析。Routledge。
-カミング、G。（2014）。新しい統計：理由と方法。Psychological Science、25（7）、7–29。http://pss.sagepub.com/content/25/1/7.full.pdf+htmlから取得。}