在本节中,我们将学习参数和非参数测试。如果我们大部分时间使用SPSS,无论是使用参数检验还是非参数检验,我们都会面临这个问题。
第一个谈论参数或非参数检验的人是 1942 年的 Jacob Wolfowitz。他试图区分这些检验,这些检验对人口中变量的性质做出假设。如果我们已经了解总体,并且我们基于这些假设开发测试基础并应用测试,那么在这种情况下,我们的结果更具有普遍性。
假设我们正在研究一个年龄变量。假设我们想找出一些关于年龄的结论。我们已经知道年龄在人口或整个人口或印度人口或美国人口中的分布情况。在这种情况下,我们将使用的任何测试都会给我们一个更普遍的结果。
而在其他情况下,当我们不知道我们正在研究的变量的特征时,尤其是在总体中,那么我们将不会创造一种结果可以推广的情况。这就是参数测试的美妙之处。这就是为什么我们的研究员、主管或总编辑经常推动我们比非参数测试更频繁地使用参数测试。
与非参数检验相比,参数检验的结果更具概括性。在参数检验中,我们确定总体中变量的分布或性质。所以如果我们理解了这一点,我们就可以在参数测试和非参数测试之间做出一定的区分。
参数和非参数测试之间的区别
以下差异并不是参数测试和非参数测试之间区别的详尽列表,但这些是在选择合适的测试时应牢记的最常见区别。
| 参数测试 | 非参数测试 |
| 正态分布 | 非正态分布 |
| 方差的同质性 | 方差的非同质性 |
| 观测的独立性 | 观测的依赖性 |
| 随机性 | 非随机 |
| 间隔刻度测量 | 非内部刻度测量 |
- 分布的正态性表明它们在总体中呈正态分布。非正态分布表明我们不知道人口的分布。
- 方差同质性指定我们使用的不同组必须具有相同的方差。
方差的非均匀性指定在非参数测试中可能违反参数条件。A1^2 = A2^2 = ……= An^2
A1^2 ≠ A2^2 ≠ ……= An^2
- 观察的独立性规定对一个候选人或受试者的观察绝不会影响对其他候选人或受试者的观察。观察的依赖性指定对一个候选人或受试者的观察会影响对其他候选人或受试者的观察。
- 随机性指定必须从总体中随机抽取样本。非随机指定我们不是随机抽取到我们的样本中,并且我们研究中的所有主题都不会被随机选择。
- 区间尺度测量指定我们的数据将在区间尺度中测量,并且一个尺度的两个区间之间的测量量在整个尺度中保持不变。非区间尺度测量指定在非参数测试中可能违反参数条件。