研究者心裡面有一個所欲論述的假設(對立假設)，與之相反的就是虛無假設。研究者盡力收集證據的情況下，仍沒有足夠的證據能夠支持虛無假設時，研究者於是可以認為對立假設為真。通常，研究者所欲證實的假設，指的是某個變項所進行的操弄是有效果；而虛無假設則是操弄沒有效果。
每一次研究的觀察都可能出現抽樣的誤差。該次的抽樣所觀察到的效果可能是真實的，也可能是來自沒有效果的母群抽樣。於是，研究者必須採取某種標準判斷。以大多數專業期刊所採取的標準或顯著水準0.05為例，即該研究者認為如果來自沒有效果的母群抽樣的機率不到5%的話，那麼研究者願意判定這個效果不是來自虛無假設的母群，而宣稱對立假設成立。宣稱對立假設成立的同時，虛無假設仍有最高5%的機率為真的可能性。如果這樣的情況發生了，就是型一誤差。不過，只要沒有進行普查的話，我們永遠不知道型一誤差是否會發生。
「虛無假設統計檢定」的推論，決定選擇虛無假設或對立假設取決於研究者所採取的顯著水準。想像以下兩種情況，甲情況下p值是0.1，乙情況下p值是0.77，在顯著水準備為0.05的前提下，不論在甲情況或乙情況下，研究者都會選擇接受虛無假設，但是甲乙兩個情況下的檢定統計量可能是天差地遠。如果將顯著水準設為0.1，在甲情況下，研究者會拒絕虛無假設，而乙情況下仍會接受虛無假設。結果，只因為研究者的風險設定，就會決定了最後統計的判定和推論。
陳振宇. (2013). 整合分析. In 社會及行為科學研究法(三)：資料分析 (3版.). 臺北市: 臺灣東華.