Parametrinen ja ei-parametrinen
Sosiaaliset tutkijat 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 tavallisesti yleisempiä, ja niitä tutkitaan paljon aiemmin kuin tutkimusten aikana käytettäviä vakiotestejä.
Tutkimuksen suorittaminen on suhteellisen yksinkertaista - teet hypoteesin ja oletetaan, että tietty "laki" voidaan soveltaa väestöön. Sitten teet testin ja keräämme tietoja, jotka analysoidaan tilastollisesti. Kerätty data voidaan tavallisesti kuvata kaaviona, ja oletettu laki kyseisen datan keskiarvona. Jos hypoteettinen laki ja keskiarvolaki sopivat yhteen, hypoteesi vahvistetaan.
Joissakin tapauksissa keskimääräinen arvo ei kuitenkaan ole sopivin tapa etsiä lakia. Hyvä esimerkki on kokonaistulojen jakautuminen. Jos et ole sopinut keskimääräiseen arvoon, se johtuu todennäköisesti siitä, että yksi tai kaksi miljardarilaista häiritsee keskiarvoasi. Mediana kuitenkin antaa paljon tarkemman tuloksen keskimääräisistä tuloista, jotka todennäköisemmin vastaavat tietojasi.
Toisin sanoen parametrista testiä käytetään, kun väestöstä tehdyt oletukset ovat selkeitä ja siitä on paljon saatavilla olevaa tietoa. Kysymykset suunnitellaan mitatakseen kyseiset parametrit siten, että tietoja voidaan analysoida edellä kuvatulla tavalla. Ei-parametrista testiä käytetään, kun testattua populaatiota ei tunneta kokonaan ja siksi tutkittuja parametrejä ei myöskään tunneta. Lisäksi, kun parametrinen testi käyttää tuloksiaan keskimääräisiä arvoja, ei-parametrinen testi vie median, ja siksi sitä käytetään tavallisesti silloin, kun alkuperäinen hypoteesi ei sovi yhteen datan kanssa.
Mikä on parametrinen testi?
Parametrinen testi on testi, joka on suunniteltu antamaan tietoja, jotka analysoidaan sitten parametristen tilastojen avulla. Parametriset tilastot olettavat, että osa väestöstä on jo tiedossa, eli todennäköisyysjakauma. Esimerkiksi kehon korkeuden jakautuminen koko maailmassa on kuvattu normaalilla jakamismallilla. Vastaavasti, mitä tahansa tunnettua jakamismallia voidaan soveltaa datajoukkoon. Olettaen kuitenkin, että tietty jakelumuoto sopii tietokantaan, olet luultavasti olettaa, että tietyistä väestötiedoista on lisätietoja, kuten mainitsin. Todennäköisyysjakauma sisältää erilaisia parametreja, jotka kuvaavat jakelun tarkkaa muotoa. Nämä parametrit ovat mitä parametriset testit tarjoavat - jokainen kysymys räätälöidään antamaan tarkan arvon tietylle parametrille jokaiselle haastatellulle yksilölle. Yhdistetty, tämän parametrin keskiarvoa käytetään todennäköisyysjakaumalla. Tämä tarkoittaa sitä, että parametriset testit myös olettavat jotain väestöstä. Jos oletukset ovat oikeita, parametrinen testi toimittama parametrinen tilasto antaa tuloksia, jotka ovat paljon tarkempia ja tarkkoja kuin ei -parametrisen testin ja tilastojen tulokset.
Mikä on ei-parametrinen testi?
Samalla tavoin kuin parametriset testit ja tilastot, ei-parametrinen testi ja tilastot ovat olemassa. Niitä käytetään, kun saatujen tietojen ei odoteta sopivan normaaliin jakokäyrään tai ordinaalitietoihin. Erinomainen esimerkki ordinaalitiedoista on tarkistus, jonka jätät, kun arvostat tiettyä tuotetta tai palvelua asteikolla 1-5. Yleiset tiedot saadaan yleensä testeistä, jotka käyttävät eri luokituksia tai tilauksia. Siksi se ei luota parametreihin, joihin parametriset testit perustuivat, numeroihin tai tarkkaan arvoon. Itse asiassa se ei käytä parametreja millään tavoin, koska se ei ota tiettyä jakelua. Yleensä parametrinen analyysi on parempana kuin ei-parametrinen, mutta jos parametrista testiä ei voida suorittaa tuntemattoman väestön vuoksi, tarvitaan ei-parametrisia testejä.
Parametristen ja ei-parametristen testien välinen ero
1) Tehdään oletuksia
Kuten mainitsin, parametrinen testi tekee oletuksia väestöstä.Se tarvitsee parametreja, jotka liittyvät analyysissä käytettyyn normaaliin jakeluun, ja ainoa tapa tietää nämä parametrit on saada tietoa väestöstä. Toisaalta ei-parametrinen testi, kuten nimi osoittaa, ei tue mitään parametreja, joten se ei ota mitään väestöstä.
2) Parametrinen ja ei-parametrinen todennäköisyys
Tietojen tilastollisen analyysin perustana parametristen testien tapauksessa on todennäköisyysjakauma. Toisaalta ei-parametristen testien perustana ei ole - se on täysin mielivaltaista. Tämä lisää joustavuutta ja helpottaa hypoteesin sovittamista kerättyihin tietoihin.
3) Keski-tendenssin mittaus
Keski-tendenssin mitta on keskeinen arvo todennäköisyysjakaumassa. Ja vaikkakin epäkarametristen tilastojen todennäköisyysjakauma on mielivaltainen, se on edelleen olemassa, ja siksi myös keskittymisen taipumus. Nämä toimenpiteet ovat kuitenkin erilaisia. Parametristen testien tapauksessa sen on oltava keskiarvo, kun taas ei -parametristen testien tapauksessa sen on oltava mediaaniarvo.
4) Tietämys väestöparametreista
Kuten olen maininnut ensimmäisessä erossa, väestön tiedot vaihtelevat parametristen ja ei-parametristen testien ja tilastojen välillä. Tietyistä väestön tuntemuksesta on nimittäin ehdottoman välttämätön parametrinen analyysi, koska se edellyttää populaatioon liittyviä parametreja saadakseen tarkkoja tuloksia. Toisaalta ei-parametrinen lähestymistapa voidaan ottaa ilman väestön aiempaa tuntemusta.
Parametriset vs. ei-parametriset testit: vertailukaavio
Yhteenveto parametrisista ja ei-parametrisista
- Parametrinen testi on testi, joka olettaa, että tietyt parametrit ja jakaumat tiedetään väestöstä, toisin kuin ei-parametrinen
- Parametrinen testi käyttää keskiarvoa, kun taas ei-parametrinen käyttää mediaania
- Parametrinen lähestymistapa vaatii aikaisempaa tietämystä väestöstä, toisin kuin ei-parametrinen lähestymistapa
