Социальные исследователи часто строят гипотезу, в которой предполагают, что определенное обобщенное правило может быть применено к населению. Они проверяют эту гипотезу с помощью тестов, которые могут быть параметрическими или непараметрическими. Параметрические тесты обычно более распространены и изучаются гораздо раньше в качестве стандартных тестов, используемых при проведении исследований.
Процесс проведения исследования относительно прост — вы строите гипотезу и предполагаете, что определенный «закон» может быть применен к популяции. Затем вы проводите тест и собираете данные, которые затем анализируете статистически. Собранные данные обычно можно представить в виде графика, а гипотетический закон — в виде среднего значения этих данных. Если гипотетический закон и закон среднего значения совпадают, гипотеза подтверждается.
Однако в некоторых случаях нахождение среднего значения не является наиболее подходящим способом поиска закона. Отличным примером является распределение общего дохода. Если у вас не совпало среднее значение, то это, скорее всего, потому, что один или два миллиардера нарушают ваши средние значения. Однако медиана даст гораздо более точный результат по среднему доходу, который с большей вероятностью будет соответствовать вашим данным.
Другими словами, параметрический тест будет использоваться, когда предположения, сделанные в отношении популяции, ясны и имеется много доступной информации о ней. Вопросы будут разработаны для измерения этих конкретных параметров, чтобы затем можно было проанализировать данные, как описано выше. Непараметрический тест используется, когда исследуемая популяция известна не полностью, и поэтому исследуемые параметры также неизвестны. Кроме того, если параметрический тест использует средние значения в качестве результатов, то непараметрический тест берет медиану, и поэтому обычно используется, когда первоначальная гипотеза не соответствует данным.
Что такое параметрический тест?
Параметрический тест — это тест, разработанный для получения данных, которые затем будут проанализированы с помощью отрасли науки, называемой параметрической статистикой. Параметрическая статистика предполагает, что некоторая информация о популяции уже известна, а именно распределение вероятностей. В качестве примера можно привести распределение роста тела по всему миру, которое описывается моделью нормального распределения. Аналогично этому, любая известная модель распределения может быть применена к набору данных. Однако предположение о том, что определенная модель распределения подходит к набору данных, означает, что, как я уже говорил, вы предполагаете, что о популяции известна некоторая дополнительная информация. Распределение вероятностей содержит различные параметры, которые описывают точную форму распределения. Именно эти параметры и обеспечивают параметрические тесты — каждый вопрос подбирается таким образом, чтобы дать точное значение определенного параметра для каждого опрашиваемого. В совокупности среднее значение этого параметра используется для распределения вероятности. Это означает, что параметрические тесты также предполагают что-то о популяции. Если предположения верны, параметрическая статистика, примененная к данным, предоставленным параметрическим тестом, даст результаты, гораздо более точные и достоверные, чем результаты непараметрического теста и статистики.
Что такое непараметрический тест?
Подобно параметрическим тестам и статистике, существуют непараметрические тесты и статистика. Они используются, когда полученные данные, как ожидается, не соответствуют кривой нормального распределения, или порядковые данные. Отличным примером порядковых данных является отзыв, который вы оставляете, оценивая определенный товар или услугу по шкале от 1 до 5. Порядковые данные в целом получаются из тестов, в которых используются различные ранги или порядки. Поэтому они не опираются на числа или точные значения параметров, на которые опираются параметрические тесты. Фактически, он вообще не использует параметры, поскольку не предполагает определенного распределения. Обычно параметрический анализ предпочтительнее непараметрического, но если параметрический тест не может быть выполнен из-за неизвестной популяции, необходимо прибегнуть к непараметрическим тестам.
Разница между параметрическими и непараметрическими тестами
1) Выдвижение предположений
Как я уже упоминал, параметрический тест делает предположения о популяции. Ему нужны параметры, связанные с нормальным распределением, которое используется в анализе, и единственный способ узнать эти параметры — это иметь некоторые знания о популяции. С другой стороны, непараметрический тест, как видно из названия, не опирается ни на какие параметры и поэтому ничего не предполагает о населении.
2) Вероятность параметрическая и непараметрическая
Основой для статистического анализа, который будет проведен над данными, в случае параметрических тестов является вероятностное распределение. С другой стороны, основа для непараметрических тестов не существует — она полностью произвольна. Это приводит к большей гибкости и облегчает подгонку гипотезы под собранные данные.
3) Мера центральной тенденции
Мера центральной тенденции — это центральное значение в распределении вероятности. И хотя распределение вероятностей в случае непараметрической статистики произвольно, оно все равно существует, а значит, существует и мера центральной тенденции. Однако эти меры различны. В случае параметрических тестов за нее принимается среднее значение, а в случае непараметрических тестов — медиана.
4) Знание параметров популяции
Как я уже упоминал в первом различии, информация о популяции различается в параметрических и непараметрических тестах и статистике. А именно, определенные знания о популяции абсолютно необходимы для параметрического анализа, поскольку для получения точных результатов ему требуются параметры, связанные с популяцией. С другой стороны, непараметрический подход может применяться без каких-либо предварительных знаний о населении.
Краткий обзор параметрических и непараметрических методов
- Параметрический тест — это тест, который предполагает, что о популяции известны определенные параметры и распределения, в отличие от непараметрического теста
- В параметрическом тесте используется среднее значение, а в непараметрическом — медиана
- Параметрический подход требует предварительных знаний о популяции, в отличие от непараметрического подхода