¿Cuál es la distinción entre una "prueba estadística de hipótesis nula" y cualquier otra prueba?

Un tema candente de discusión reciente se refiere a una revista que prohíbe el uso de "procedimientos de prueba estadística de hipótesis nulas (NHSTP)" de los artículos enviados a la revista. Veo este término usado por algunos escritores, pero no entiendo qué distinción están tratando de hacer. ¿Es un NHSTP algo diferente de una "prueba de hipótesis" o una "prueba de significación"?

Antecedentes: El editorial en cuestión es este uno de Básica y Aplicada Psicología Social , una revista con un factor de impacto de 2,015 de 1,168, es decir, no muy citable.

Re: Pregunta OP , es decir, ¿Es un NHSTP algo diferente de una "prueba de hipótesis" o una "prueba de significación"? Las declaraciones editoriales aplicables son

1) "...the null hypothesis significance testing procedure (NHSTP)  is invalid..." [Sic, with alpha = 0.05]
2) "...authors will have to remove all vestiges of the NHSTP (p-values, t-values, F-values, statements about ‘‘significant’’ differences or lack thereof, and so on)."
3) "...confidence intervals [Sic, 95%] also are banned from BASP."
4) "...Bayesian procedures are neither required nor banned from BASP." [Sic, depends on which ones, they are either banned or not.]
5) "Are any inferential statistical procedures required?...No..."

$p<.05$

Respuesta a OP: Estos editores probablemente afirmarían que una prueba de significación es a menudo una prueba de hipótesis inadecuada. Por ejemplo, afirman que "... las propuestas bayesianas que al menos de alguna manera eluden la suposición laplaciana [Sic, no sé nada a priori ] ... [tal que] incluso podría haber casos en los que haya bases sólidas para suponer que los números realmente están ahí ... "Esto se relaciona en parte con el argumento de Fisher versus Neyman y Pearson como se señaló anteriormente por @Livid y para el cual el editorial estaría del lado de Fisher.

Discusión: Creo firmemente en la humildad intelectual como principio fundamental e indispensable del método científico. Si yo, como investigador, no se me permite proceder de una premisa inicial sin supuestos en la que no se cree toda la teoría anterior, perderé toda mi capacidad para examinar los datos con una mente creativa y abierta. La premisa de que todo procesamiento numérico debe ser verdad absoluta es una exposición de la codicia que es sublime. La única verdad son los datos, y humildemente parafrasearía a Boxal afirmar que todos los modelos son falsos, especialmente y sin duda aquellos que presumen que cualquier verdad surge de algo que no es idénticamente los datos en sí. Eso no significa que tenga que elegir entre Fisher y Neyman / Pearson, sino que creo firmemente en que ninguna de las premisas se toma sola, sino que examino las cosas exhaustivamente hasta que mis hipótesis sean respaldadas y / o rechazadas a la coherencia del conjunto. Solo la autoconsistencia puede usarse como criterio, ya que ningún análisis puede revelar una verdad absoluta.

$p<0.05$$0.05$$0.001$ no mejorará el contenido de una revista.