Parametrisen ja ei-parametrisen välinen ero

Sosiaalitutkijat rakentavat usein hypoteesin, jossa he olettavat, että tiettyä yleistä sääntöä voidaan soveltaa väestöön. He testaavat tämän hypoteesin käyttämällä testejä, jotka voivat olla joko parametrisia tai ei-parametrisia. Parametriset testit ovat yleensä yleisempiä, ja niitä tutkitaan paljon aikaisemmin kuin standarditestit, joita käytetään tutkimusta tehtäessä.

Tutkimuksen suorittamisprosessi on suhteellisen yksinkertainen - rakennat hypoteesin ja oletat, että tiettyä lakia voidaan soveltaa väestöön. Tämän jälkeen suoritat testin ja kerät tietoja, joita analysoit sitten tilastollisesti. Kerätyt tiedot voidaan yleensä esittää kuvaajana ja oletettu laki tietojen keskiarvona. Jos oletettu laki ja keskiarvolaki täsmäävät, hypoteesi vahvistetaan.

Joissakin tapauksissa keskiarvon löytäminen ei kuitenkaan ole sopivin tapa etsiä lakia. Upea esimerkki on kokonaistulojen jakautuminen. Jos et ole täsmäänyt keskiarvoon, luultavasti siksi, että yksi tai kaksi miljardööri häiritsee keskiarvojasi. Mediaani antaa kuitenkin paljon tarkemman tuloksen keskimääräisistä tuloista, jotka vastaavat todennäköisemmin tietojasi.

Toisin sanoen parametrista testiä käytetään, kun väestöstä tehdyt oletukset ovat selvät ja siitä on paljon tietoa. Kysymykset suunnitellaan mittaamaan nämä erityiset parametrit, jotta tiedot voidaan sitten analysoida yllä kuvatulla tavalla. Ei-parametrista testiä käytetään, kun testattu populaatio ei ole täysin tiedossa ja siksi tutkitut parametrit ovat myös tuntemattomia. Lisäksi, kun parametrisen testin tuloksena käytetään keskiarvoja, ei-parametrinen testi vie mediaanin, ja siksi sitä käytetään yleensä silloin, kun alkuperäinen hypoteesi ei sovi tietoihin.

Mikä on parametrinen testi?

Parametrinen testi on testi, joka on suunniteltu tuottamaan dataa, joka sitten analysoidaan parametritilastoksi kutsuttuun tieteen osaan. Parametristen tilastojen perusteella oletetaan, että jotkut väestöstä koskevat tiedot ovat jo tiedossa, nimittäin todennäköisyysjakauma. Esimerkiksi kehon korkeuden jakautumista koko maailmassa kuvataan normaalilla jakautumismallilla. Samankaltaista kuin mitä tahansa tunnettua jakelumallia voidaan soveltaa datajoukkoon. Oletetaan kuitenkin, että tietty jakelumalli sopii tietojoukkoon, mikä tarkoittaa luonnostaan, että olet luultavasti joitain lisätietoja väestöstä, kuten olen maininnut. Todennäköisyysjakauma sisältää erilaisia ​​parametrejä, jotka kuvaavat jakauman tarkan muodon. Nämä parametrit ovat mitä parametriset testit tarjoavat - kukin kysymys on räätälöity antamaan tarkka arvo tietylle parametrille jokaiselle haastatellulle henkilölle. Yhdistettynä parametrin keskiarvoa käytetään todennäköisyysjakautumiseen. Tämä tarkoittaa, että parametriset testit olettavat myös jotain väestöstä. Jos oletukset ovat oikeat, parametrisen testin tarjoamiin tietoihin sovelletut parametritilastot antavat paljon tarkempia ja täsmällisempiä tuloksia kuin ei-parametrinen testi ja tilastotiedot.

Mikä on ei-parametrinen testi?

Samalla tavalla kuin parametrinen testi ja tilastot, ei-parametrinen testi ja tilastot ovat olemassa. Niitä käytetään, kun saadun datan ei odoteta sopivan normaalijakaumakäyrään tai ordinaalisiin tietoihin. Upea esimerkki säännöllisestä tiedosta on arvostelu, jonka jätät, kun arvioit tiettyä tuotetta tai palvelua asteikolla 1 - 5. Tavallinen tieto saadaan yleensä kokeista, joissa käytetään erilaisia ​​sijoituksia tai tilauksia. Siksi se ei luota parametreihin, joihin parametrikokeet vetoivat, numeroita tai tarkkoja arvoja. Itse asiassa se ei käytä parametreja millään tavalla, koska se ei ota tiettyä jakaumaa. Yleensä parametrianalyysi on parempi kuin ei-parametrinen, mutta jos parametrista testiä ei voida suorittaa tuntemattoman populaation vuoksi, ei-parametrisiin testeihin on turvauduttava..

Parametristen ja ei-parametristen testien välinen ero

1) Oletusten tekeminen

Kuten olen jo maininnut, parametrinen testi tekee oletuksia väestöstä. Se tarvitsee parametrejä, jotka on kytketty analyysiin käytettyyn normaalijakaumaan, ja ainoa tapa tietää nämä parametrit on saada jonkin verran tietoa populaatiosta. Toisaalta epäparametrinen testi, kuten nimestä käy ilmi, ei luota millään parametreilla eikä siksi ota mitään väestöstä.

2) Parametrisen ja epäparametrisen todennäköisyys

Datalle suoritettavan tilastollisen analyysin perusta parametristen testien tapauksessa on todennäköisyysjakauma. Toisaalta ei-parametristen testien perustaa ei ole - se on täysin mielivaltainen. Tämä lisää joustavuutta ja helpottaa hypoteesin sovittamista kerättyihin tietoihin.

3) Keskitetyn taipumuksen mitta

Keskitetyn taipumuksen mitta on keskeinen arvo todennäköisyysjakaumassa. Ja vaikka epäparametristen tilastojen todennäköisyysjakauma on mielivaltainen, se on edelleen olemassa, ja siksi niin on myös keskitetyn taipumuksen mitta. Nämä toimenpiteet ovat kuitenkin erilaisia. Parametristen testien tapauksessa sen katsotaan olevan keskiarvo, kun taas ei-parametristen testien tapauksessa sen katsotaan olevan mediaaniarvo.

4) Väestöparametrien tuntemus

Kuten olen maininnut ensimmäisessä erossa, populaatiota koskevat tiedot vaihtelevat parametristen ja ei-parametristen testien ja tilastojen välillä. Nimittäin tietty populaatiotieto on ehdottoman välttämätöntä parametrianalyysille, koska se vaatii populaatioon liittyviä parametrejä tarkkojen tulosten saamiseksi. Toisaalta ei-parametrista lähestymistapaa voidaan käyttää ilman aiempaa tietoa väestöstä.

Parametriset vs. epäparametriset testit: Vertailukaavio

Yhteenveto parametreista ja ei-parametreista

• Parametrinen testi on testi, jossa oletetaan, että tietyt parametrit ja jakaumat tunnetaan populaatiosta, toisin kuin ei-parametrinen.
• Parametrinen testi käyttää keskiarvoa, kun taas epäparametrinen testi käyttää mediaaniarvoa
• Parametrinen lähestymistapa vaatii aiempaa tietoa väestöstä, toisin kuin ei-parametrinen lähestymistapa