Nie masz jeszcze u Nas konta? Zarejestruj się | Zaloguj się

akceptuje  /  zamknij

Strona korzysta z plików cookies w celu realizacji usług i zgodnie z polityką plików cookies.
Możesz określić warunki przechowywania lub dostępu do plików cookies w Twojej przeglądarce.

Naukowiec.org

Nauka dla wszystkich




Testy parametryczne vs nieparametryczne

Jednym z podziałów testów statystycznych jest podział na testy parametryczne oraz nieparametryczne. 

Testy parametryczne cechuje:
  • większa ilość założeń do spełnienia
  • większa moc testów
  • dokładniejszy pomiar
  • lepsza interpretowalność uzyskiwanych wyników

Testy nieparametryczne natomiast cechuje:
  • mniejsza ilość założeń do spełnienia
  • mniejsza moc testów
  • mniej dokładny pomiar
  • gorsza interpretowalność uzyskiwanych wyników

Z reguły jest tak, że mniej wymogów muszą spełniać zebrane dane, aby przeprowadzić testy nieparametryczne, ale za to dają one mniejszą liczbę informacji, mniej są one "warte" w porównaniu do testów nieparametrycznych. Testy parametryczne - najbardziej ulubione testy statystyków, wymagają spełnienia założeń (choć pod pewnymi warunkami można niektóre z nich pominąć) ale za to wyniki są bardziej dokładne i na ich podstawie można dokonać lepszych interpretacji - mają większą moc.

Jednymi z najbardziej charakterystycznych cech testów parametrycznych jest rozkład normalny mierzonych zmiennych oraz to, że zmienne muszą być mierzone na skali ilościowej.

Testami parametrycznymi są np.:
  • testy t-Studenta
  • analiza wariancji
  • korelacja r-Pearsona
  • analiza regresji

Testami nieparametrycznymi są np.:
  • test U Manna-Whitneya
  • test Kruskala-Wallisa
  • test niezależności chi-kwadrat
  • korelacja tau-b Kendalla

Masz problem z analizą statystyczna? Przejdź TU!