Skirtumas tarp parametrinio ir neparametrinio

Socialiniai tyrinėtojai dažnai konstruoja hipotezę, kurioje jie daro prielaidą, kad populiacijai gali būti taikoma tam tikra apibendrinta taisyklė. Jie patikrina šią hipotezę naudodami testus, kurie gali būti parametriniai arba neparametriniai. Parametriniai testai dažniausiai būna dažnesni ir tiriami daug anksčiau, nei atliekant tyrimus naudojami standartiniai testai.

Tyrimo procesas yra gana paprastas - jūs sukuriate hipotezę ir manote, kad tam tikras „įstatymas“ gali būti taikomas gyventojams. Tuomet atliksite testą ir surenkate duomenis, kuriuos vėliau analizuojate statistiškai. Surinkti duomenys paprastai gali būti pavaizduoti kaip grafikas, o hipotezinis dėsnis - kaip vidutinė tų duomenų vertė. Jei hipotezėje nurodytas dėsnis ir vidutinės vertės dėsnis sutampa, hipotezė patvirtinama.

Tačiau kai kuriais atvejais vidutinės vertės nustatymas nėra pats tinkamiausias būdas ieškoti įstatymų. Puikus pavyzdys yra bendrųjų pajamų paskirstymas. Jei neatitiko vidutinės vertės, greičiausiai todėl, kad vienas ar du milijardieriai trikdo jūsų vidutines vertes. Tačiau mediana duos daug tikslesnį vidutinių pajamų rezultatą, kuris labiau atitiks jūsų duomenis.

Kitaip tariant, parametrinis testas bus naudojamas, kai prielaidos, susijusios su populiacija, yra aiškios ir apie ją galima rasti daug informacijos. Klausimai bus skirti išmatuoti tuos specifinius parametrus, kad duomenis būtų galima analizuoti, kaip aprašyta aukščiau. Neparametrinis testas naudojamas, kai tiriama populiacija nėra visiškai žinoma, todėl tiriami parametrai taip pat nežinomi. Be to, nors parametrinio testo rezultatuose naudojamos vidutinės vertės, o neparametrinio testo vidurkis yra naudojamas, todėl jis dažniausiai naudojamas, kai pirminė hipotezė neatitinka duomenų.

Kas yra parametrinis testas?

Parametrinis testas yra testas, skirtas pateikti duomenis, kurie vėliau bus analizuojami mokslo šakoje, vadinamoje parametrine statistika. Parametrinė statistika daro prielaidą, kad tam tikra informacija apie populiaciją yra jau žinoma, būtent tikimybės pasiskirstymas. Pavyzdžiui, kūno aukščio pasiskirstymas visame pasaulyje apibūdinamas normaliu pasiskirstymo modeliu. Panašiai kaip ir bet kuris žinomas paskirstymo modelis gali būti pritaikytas duomenų rinkiniui. Tačiau darant prielaidą, kad tam tikras paskirstymo modelis tinka duomenų rinkiniui, reiškia, kad iš prigimties manote, kad, kaip minėjau, yra žinoma tam tikra papildoma informacija apie populiaciją. Tikimybės pasiskirstyme yra skirtingi parametrai, apibūdinantys tikslią pasiskirstymo formą. Šie parametrai yra tai, ką teikia parametriniai testai - kiekvienas klausimas yra pritaikytas taip, kad kiekvienam apklaustajam asmeniui būtų suteikta tiksli tam tikro parametro vertė. Kartu tikimybei paskirstyti naudojama vidutinė to parametro vertė. Tai reiškia, kad parametriniai testai daro prielaidą ir apie populiaciją. Jei prielaidos yra teisingos, parametrinė statistika, taikoma duomenims, pateiktiems parametrinio bandymo, duos daug tikslesnius ir tikslesnius rezultatus nei neparametrinis testas ir statistika.

Kas yra neparametrinis testas?

Panašiai kaip ir parametrinis testas bei statistika, egzistuoja neparametrinis testas ir statistika. Jie naudojami, kai tikimasi, kad gauti duomenys neatitiks normalios paskirstymo kreivės ar eilinių duomenų. Puikus įprastinių duomenų pavyzdys yra peržiūra, kurią jūs paliekate, kai įvertinate tam tikrą produktą ar paslaugą nuo 1 iki 5. Įprastiniai duomenys paprastai gaunami iš testų, kuriuose naudojamas skirtingas reitingas ar tvarka. Todėl ji nesiremia skaičiais ar tiksliomis parametrų vertėmis, kuriomis rėmėsi parametrų bandymai. Tiesą sakant, jis jokiu būdu nenaudoja parametrų, nes neprisiima tam tikro pasiskirstymo. Paprastai pirmenybė teikiama parametrinei analizei, o ne neparametrinei, tačiau jei parametrinio bandymo negalima atlikti dėl nežinomos populiacijos, būtina naudoti neparametrinius testus..

Skirtumas tarp parametrinių ir neparametrinių testų

1) Prielaidų darymas

Kaip jau minėjau, parametrinis testas daro prielaidas apie populiaciją. Jai reikia parametrų, sujungtų su normaliu pasiskirstymu, kuris naudojamas analizėje, ir vienintelis būdas žinoti šiuos parametrus yra turėti tam tikrų žinių apie populiaciją. Kita vertus, neparametrinis testas, kaip rodo pavadinimas, nėra pagrįstas jokiais parametrais ir todėl nieko nereiškia apie populiaciją..

2) Parametrinio ir neparametrinio tikimybė

Statistinės analizės, kuri bus atliekama atliekant parametrinius bandymus, pagrindas yra tikimybinis pasiskirstymas. Kita vertus, neparametrinių testų pagrindas neegzistuoja - jis yra visiškai savavališkas. Dėl to padidėja lankstumas ir lengviau suderinti hipotezę su surinktais duomenimis.

3) Centrinio polinkio matas

Centrinės tendencijos matas yra centrinė tikimybių pasiskirstymo reikšmė. Ir nors tikimybė pasiskirstyti neparametrinės statistikos atveju yra savavališka, ji vis tiek egzistuoja, todėl išlieka centrinės tendencijos matas. Tačiau tos priemonės skiriasi. Parametrinių bandymų atveju tai laikoma vidutine verte, tuo tarpu neparametrinių bandymų atveju ji laikoma vidutine verte.

4) Gyventojų parametrų žinios

Kaip jau minėjau pirmame skirtume, informacija apie populiaciją skiriasi parametriniais ir neparametriniais tyrimais bei statistika. Būtent tam tikros žinios apie populiaciją yra absoliučiai būtinos parametrinei analizei, nes norint gauti tikslius rezultatus reikia parametrų, susijusių su populiacija. Kita vertus, neparametrinio požiūrio galima pasirinkti be išankstinių gyventojų žinių.

Parametriniai ir neparametriniai testai: palyginimo lentelė

Parametrinių ir neparametrinių santrauka

• Parametrinis testas yra testas, kurio metu daromi tam tikri parametrai, o populiacijos pasiskirstymas yra žinomas, priešingai nei neparametrinis.
• Parametriniame bandyme naudojama vidutinė vertė, o neparametriniame - vidutinė vertė
• Parametriniam metodui reikia ankstesnių žinių apie populiaciją, priešingai nei neparametrinis metodas