假设检验是统计学中核心的分析方法之一。其基本思想是建立检验假设，以判断样本数据与总体参数的假设差异是否具有统计学显著性。核心是设定两个假设：H0（零假设）和H1（备择假设）。

H0通常表示无显著差异或无效果的假设，而H1则表示存在显著差异或有特定效果的假设。在实际应用中，H0总是包含等于、小于或大于等符号的假设，而H1则与H0形成对比。

单侧检验的假设表示关注的是数据的一侧。例如，假设某小麦品种改良后，产量显著增加。H0为“改良后产量等于或小于原产量”，H1为“改良后产量大于原产量”。单侧检验适用于关注数据增减情况的场景。

双侧检验的假设则表示关注数据的两侧，旨在检测数据是否显著不同于H0的假设。比如，假设某手机待机时间显著超过制造商的声明值，H0为“待机时间等于或小于70小时”，H1为“待机时间不等于70小时”。双侧检验适用于对数据增减情况均敏感的场景。

在具体应用中，应结合实际问题和研究目的选择单侧或双侧检验。例如，小麦产量的研究中，关注的是产量显著增加，因此选择右侧检验；而手机待机时间的研究中，关注的是显著超过声明值，选择双侧检验。

检验过程可以通过统计软件如SPSSAU等快速完成。输出的p值用于判断是否拒绝H0。若p值小于设定的显著性水平（通常为0.05），则拒绝H0，接受H1；否则，接受H0。

总的来说，H0与H1的设定应基于研究问题与目的，选择单侧或双侧检验需考虑关注的数据范围，最后通过统计分析确定结论。