原假設的設定是單位根檢驗的首要問題。通過剖析以往單位根檢驗原假設設定存在的缺陷，在同時考慮原假設的可信度和檢驗可靠性的前提下，靳庭良提出了單位根檢驗原假設的壹種合理的設定策略及改進的檢驗程序。
該單位根檢驗程序中原假設的設定、檢驗式和臨界值的確定均以樣本序列的數據生成過程為依據，與傳統單位根檢驗程序相比更具有科學性，同時也提高了檢驗的可靠性。
其缺陷是數據生成過程模型的估計對檢驗結果可能產生壹定的影響，因此，研究新檢驗程序的檢驗結果對數據生成過程模型估計的敏感性對進壹步完善單位根檢驗理論無疑具有重要意義。
原假設在某種意義上是“無效”的，因為它通常代表著壹種“現狀”。它通過 “斷言”壹個總體參數或總體參數的組合具有壹定的值來形式化。在例子中，零假設是“整個州的平均汽油價格就是1.15美元”。零假設寫作H0，那麽H0:?=1.15。
擴展資料
先假定原假設是成立的，這樣正常情況之下，計算的統計量應該是落在兩根線之間的區域的，而如果計算的統計量超出了這個區域，那麽說明原假設是有問題的。
這裏利用了小概率原理：概率很小的事情，在壹次試驗中，壹般不會發生，如果妳買過彩票，應該很容易理解這句話。對應於圖中就是，紅色部分的數值出現的概率很小，出現了就不正常，就要否定原假設，接受備擇假設。
判斷方法：
第壹種判斷方法就是，用計算的統計量和兩個臨界值（兩根線的位置）比較，如果超出，則拒絕原假設。
第二種方法，如果壹個統計量要落在兩根線的兩邊，概率是多少呢，是?0.05，如果再往兩邊靠呢，那就小於?0.05?了。所以當概率值?p?小於?0.05?時，統計量也超出?95%?的區域了，也要拒絕原假設。
百度百科-原假設