Metoda nieparametryczna

Co oznacza metoda nieparametryczna?

Metoda nieparametryczna odnosi się do rodzaju statystyki, która nie wymaga, aby analizowana populacja spełniała określone założenia lub parametry. Dobrze znane metody statystyczne, takie jak ANOVA, korelacja Pearsona, test t i inne, dostarczają ważnych informacji o analizowanych danych tylko wtedy, gdy populacja bazowa spełnia określone założenia. Jednym z najczęstszych założeń jest to, że dane dotyczące populacji mają „ rozkład normalny ”.

Statystyki parametryczne można jednak również zastosować do populacji o innych znanych typach dystrybucji. Statystyki nieparametryczne nie wymagają, aby dane dotyczące populacji spełniały założenia wymagane dla statystyk parametrycznych. W związku z tym statystyki nieparametryczne należą do kategorii statystyk określanych niekiedy jako statystyki bez dystrybucji. Często metody nieparametryczne będą stosowane, gdy dane populacji mają nieznany rozkład lub gdy wielkość próby jest mała.

Wyjaśnienie metody nieparametrycznej

Metody parametryczne i nieparametryczne są często używane w przypadku różnych typów danych. Statystyki parametryczne zwykle wymagają danych dotyczących przedziałów lub współczynników. Przykładem tego typu danych jest wiek, dochód, wzrost i waga, w których wartości są ciągłe, a odstępy między wartościami mają znaczenie.

Z drugiej strony statystyki nieparametryczne są zwykle używane w odniesieniu do danych nominalnych lub porządkowych. Zmienne nominalne to zmienne, dla których wartości nie mają wartości ilościowej. Na przykład typowe zmienne nominalne w badaniach nauk społecznych obejmują płeć, której możliwymi wartościami są kategorie dyskretne, „mężczyzna” i „kobieta”. Inne typowe zmienne nominalne w badaniach nauk społecznych to rasa, stan cywilny, poziom wykształcenia i status zatrudnienia. (pracujący a bezrobotni).

Zmienne porządkowe to takie, w których wartość sugeruje jakiś porządek. Przykładem zmiennej porządkowej byłoby, gdyby respondent zapytał: „W skali od 1 do 5, gdzie 1 oznacza skrajne niezadowolenie, a 5 oznacza skrajne zadowolenie, jak oceniasz swoje doświadczenia z firmą kablową?”

Chociaż statystyki nieparametryczne mają tę zaletę, że muszą spełniać kilka założeń, są mniej wydajne niż statystyki parametryczne. Oznacza to, że mogą nie wykazywać związku między dwiema zmiennymi, gdy w rzeczywistości jedna istnieje.

Typowe testy nieparametryczne obejmują Chi Square, test sumy rang Wilcoxona, test Kruskala-Wallisa i korelację rzędu rang Spearmana.