Razlika med parametričnim in neparametričnim

Socialni raziskovalci pogosto konstruirajo hipotezo, v kateri domnevajo, da je za populacijo mogoče uporabiti določeno posplošeno pravilo. To hipotezo preizkušajo s pomočjo testov, ki so lahko parametrični ali neparametrični. Parametrični testi so običajno pogostejši in jih preučujemo veliko prej kot standardni testi, ki se uporabljajo pri izvajanju raziskav.

Postopek izvajanja raziskave je sorazmerno preprost - zgradite hipotezo in domnevate, da je za populacijo mogoče uporabiti določen "zakon". Nato opravite test in zberete podatke, ki jih nato statistično analizirate. Zbrane podatke lahko ponavadi predstavimo kot graf, hipotezirani zakon pa kot povprečno vrednost teh podatkov. Če se hipotezizirani zakon in zakon srednje vrednosti ujemata, se hipoteza potrdi.

Vendar v nekaterih primerih iskanje srednje vrednosti ni najbolj primeren način iskanja zakona. Odličen primer je porazdelitev celotnega dohodka. Če se niste ujemali s srednjo vrednostjo, je to verjetno zato, ker en ali dva milijarderja motijo ​​vaše srednje vrednosti. Vendar pa bo mediana dala veliko bolj natančen rezultat glede na povprečni dohodek, ki je bolj verjetno, da bo ustrezal vašim podatkom.

Z drugimi besedami, parametrični preskus se bo uporabil, ko bodo predpostavke o prebivalstvu jasne in je na voljo veliko razpoložljivih informacij. Vprašanja bodo zasnovana za merjenje teh posebnih parametrov, tako da se lahko nato podatki analizirajo, kot je opisano zgoraj. Neparametrični test se uporablja, kadar testirana populacija ni povsem znana, zato so tudi preučeni parametri neznani. Medtem ko parametrični test kot svoje rezultate uporablja srednje vrednosti, neparametrični test vzame srednjo vrednost, zato se običajno uporablja, če izvirna hipoteza ne ustreza podatkom.

Kaj je parametrični test?

Parametrični test je test, namenjen zagotavljanju podatkov, ki bodo nato analizirani skozi vejo znanosti, imenovano parametrična statistika. Parametrična statistika predvideva, da so nekatere informacije o prebivalstvu že znane, in sicer porazdelitev verjetnosti. Kot primer je porazdelitev telesne višine po vsem svetu opisana z običajnim modelom porazdelitve. Podobno kot vsak znani distribucijski model je mogoče uporabiti za niz podatkov. Vendar če predpostavimo, da določen model distribucije ustreza naboru podatkov, pomeni, da sami po sebi domnevate, da je o populaciji znanih nekaj dodatnih informacij, kot sem že omenil. Razdelitev verjetnosti vsebuje različne parametre, ki opisujejo natančno obliko porazdelitve. Ti parametri so tisto, kar zagotavljajo parametrični testi - vsako vprašanje je prilagojeno tako, da poda natančno vrednost določenega parametra za vsakega anketiranega posameznika. V kombinaciji se povprečna vrednost tega parametra uporabi za porazdelitev verjetnosti. To pomeni, da parametrični preskusi predvidevajo tudi nekaj o populaciji. Če so predpostavke pravilne, bodo parametrične statistike, ki se uporabljajo za podatke s parametričnim testom, dale veliko bolj natančne in natančne rezultate kot pri neparametričnem testu in statistiki.

Kaj je neparametrični test?

Podobno kot parametrični preskus in statistika obstaja tudi neparametrični test in statistika. Uporabljajo se, kadar se pričakuje, da dobljeni podatki ustrezajo običajni krivulji distribucije ali rednim podatkom. Odličen primer rednih podatkov je pregled, ki ga pustite, če določite izdelek ali storitev na lestvici od 1 do 5. Navadni podatki na splošno dobimo iz testov, ki uporabljajo različne uvrstitve ali naročila. Zato se ne zanaša na številke ali natančne vrednosti parametrov, na katere se opirajo parametrični preskusi. Pravzaprav parametrov na noben način ne uporablja, saj ne predvideva določene porazdelitve. Običajno je parametrična analiza prednostna kot neparametrična, če pa parametričnega testa zaradi neznane populacije ni mogoče izvesti, je potrebno uporabiti neparametrične teste..

Razlika med parametričnimi in neparametričnimi testi

1) Izdelava predpostavk

Kot sem že omenil, parametrični test daje predpostavke o populaciji. Potrebuje parametre, ki so povezani z normalno porazdelitvijo, ki se uporablja pri analizi, in edini način za poznavanje teh parametrov je nekaj znanja o populaciji. Po drugi strani pa se neparametrični test, kot že ime pove, ne opira na nobene parametre in zato ne predvideva ničesar o populaciji.

2) Verjetnost parametričnih in neparametričnih

Osnova za statistično analizo, ki se bo izvedla na podatkih, če gre za parametrične preskuse, je verjetnostna porazdelitev. Po drugi strani podlaga za neparametrične teste ne obstaja - povsem arbitrarna. To ima za posledico večjo fleksibilnost in lažje uskladi hipotezo z zbranimi podatki.

3) Ukrep osrednje težnje

Mera osrednje težnje je osrednja vrednost v porazdelitvi verjetnosti. In čeprav je porazdelitev verjetnosti v primeru neparametrične statistike poljubna, še vedno obstaja, in tako tudi ukrep osrednje težnje. Vendar so ti ukrepi različni. Pri parametričnih preskusih se šteje, da je povprečna vrednost, pri neparametričnih preskusih pa srednja vrednost..

4) Poznavanje populacijskih parametrov

Kot sem že omenil v prvi razliki, se podatki o populaciji razlikujejo med parametričnimi in neparametričnimi testi in statistiko. Za parametrično analizo je namreč določeno znanje o populaciji nujno potrebno, saj za določitev natančnih rezultatov potrebuje parametre, povezane s prebivalstvom. Po drugi strani pa je mogoče uporabiti neparametrični pristop brez predhodnega znanja prebivalstva.

Parametrični in neparametrični testi: Primerjalna tabela

Povzetek parametričnih in neparametričnih

• Parametrični test je test, ki predpostavlja, da so določeni parametri in porazdelitve znani glede populacije, v nasprotju s neparametričnim
• Parametrični test uporablja srednjo vrednost, neparametrični pa srednjo vrednost
• Parametrični pristop zahteva predhodno znanje o populaciji v nasprotju z neparametričnim pristopom