Verschil tussen parametrisch en niet-parametrisch

Sociale onderzoekers bouwen vaak een hypothese op, waarin ze veronderstellen dat een bepaalde gegeneraliseerde regel kan worden toegepast op een populatie. Ze testen deze hypothese door tests te gebruiken die parametrisch of niet-parametrisch kunnen zijn. Parametrische tests komen meestal vaker voor en worden veel eerder bestudeerd als de standaardtests die worden gebruikt bij het uitvoeren van onderzoek.

Het proces van het uitvoeren van een onderzoek is relatief eenvoudig - u construeert een hypothese en gaat ervan uit dat een bepaalde 'wet' kan worden toegepast op een populatie. Vervolgens voert u een test uit en verzamelt u gegevens die u vervolgens statistisch analyseert. De verzamelde gegevens kunnen meestal worden weergegeven als een grafiek en de geharmoniseerde wet als de gemiddelde waarde van die gegevens. Als de veronderstelde wet en de wet op de gemiddelde waarde overeenkomen, wordt de hypothese bevestigd.

In sommige gevallen is het vinden van de gemiddelde waarde echter niet de meest geschikte manier om naar de wet te zoeken. Een goed voorbeeld is de verdeling van het totale inkomen. Als u de gemiddelde waarde niet hebt vergeleken, is dat waarschijnlijk omdat één of twee miljardairs uw gemiddelde waarden verstoren. Een mediaan geeft echter een veel nauwkeuriger resultaat op het gemiddelde inkomen dat waarschijnlijker overeenkomt met uw gegevens.

Met andere woorden, een parametrische test zal worden gebruikt wanneer de veronderstellingen over de populatie duidelijk zijn en er veel informatie over beschikbaar is. De vragen zullen worden ontworpen om die specifieke parameters te meten, zodat de gegevens vervolgens kunnen worden geanalyseerd zoals hierboven beschreven. Een niet-parametrische test wordt gebruikt wanneer de geteste populatie niet volledig bekend is en daarom zijn de onderzochte parameters ook onbekend. Bovendien, terwijl de parametrische test gemiddelde waarden gebruikt als de resultaten, neemt de niet-parametrische test de mediaan, en wordt daarom meestal gebruikt wanneer de oorspronkelijke hypothese niet past in de gegevens.

Wat is een parametrische test?

Een parametrische test is een test die is ontworpen om de gegevens te leveren die vervolgens worden geanalyseerd via een tak van de wetenschap die parametrische statistieken worden genoemd. Parametrische statistieken veronderstellen dat enige informatie over de populatie al bekend is, namelijk de kansverdeling. Als voorbeeld wordt de verdeling van lichaamslengte over de hele wereld beschreven door een normaal distributiemodel. Gelijkaardig aan dat, kan elk bekend distributiemodel worden toegepast op een reeks gegevens. Echter, ervan uitgaande dat een bepaald distributiemodel op een dataset past, betekent dit dat je er inherent van uitgaat dat wat extra informatie bekend is over de populatie, zoals ik al zei. De kansverdeling bevat verschillende parameters die de exacte vorm van de verdeling beschrijven. Deze parameters zijn wat parametrische tests bieden - elke vraag is afgestemd op het geven van een exacte waarde van een bepaalde parameter voor elk geïnterviewd individu. Gecombineerd, wordt de gemiddelde waarde van die parameter gebruikt voor de kansverdeling. Dat betekent dat de parametrische tests ook iets aannemen van de bevolking. Als de veronderstellingen juist zijn, zullen parametrische statistieken die worden toegepast op gegevens die door een parametrische test worden geleverd, resultaten opleveren die veel nauwkeuriger en preciezer zijn dan die van een niet-parametrische test en statistieken.

Wat is een niet-parametrische test?

Op een vergelijkbare manier als parametrische tests en statistieken bestaat er een niet-parametrische test en statistieken. Ze worden gebruikt wanneer niet wordt verwacht dat de verkregen gegevens passen in een normale distributiecurve, of in ordinale gegevens. Een goed voorbeeld van ordinale gegevens is de beoordeling die u achterlaat wanneer u een bepaald product of een bepaalde service beoordeelt op een schaal van 1 tot 5. Ordinale gegevens in het algemeen worden verkregen uit tests met verschillende ranglijsten of orders. Daarom is het niet afhankelijk van getallen of exacte waarden voor de parameters waarop parametrische tests hebben vertrouwd. In feite gebruikt het op geen enkele manier parameters, omdat het niet uitgaat van een bepaalde verdeling. Gewoonlijk heeft een parametrische analyse de voorkeur boven een niet-parametrische, maar als de parametrische test niet kan worden uitgevoerd vanwege onbekende populatie, is een toevlucht tot niet-parametrische tests noodzakelijk.

Verschil tussen parametrische en niet-parametrische tests

1) Aannames maken

Zoals ik al zei, maakt de parametrische test aannames over de populatie. Het heeft de parameters nodig die verbonden zijn met de normale verdeling die in de analyse wordt gebruikt, en de enige manier om deze parameters te kennen is om wat kennis over de populatie te hebben. Aan de andere kant, een niet-parametrische test, zoals de naam aangeeft, vertrouwt niet op parameters en neemt daarom niets aan van de populatie.

2) Waarschijnlijkheid van parametrisch en niet-parametrisch

De basis voor de statistische analyse die zal worden uitgevoerd op de gegevens, in het geval van parametrische tests, is de probabilistische verdeling. Aan de andere kant bestaat de basis voor niet-parametrische tests niet - het is volkomen willekeurig. Dit resulteert in meer flexibiliteit en maakt het gemakkelijker om de hypothese in overeenstemming te brengen met de verzamelde gegevens.

3) Maatregel van centrale neiging

De mate van centrale neiging is een centrale waarde in een kansverdeling. En hoewel de waarschijnlijkheidsverdeling in het geval van niet-parametrische statistieken willekeurig is, bestaat deze nog steeds, en dus ook de mate van centrale neiging. Die maatregelen zijn echter anders. In het geval van parametrische tests wordt ervan uitgegaan dat dit de gemiddelde waarde is, terwijl in het geval van niet-parametrische tests wordt uitgegaan van de mediaanwaarde.

4) Kennis van populatieparameters

Zoals ik in het eerste verschil heb vermeld, varieert de informatie over de populatie tussen parametrische en niet-parametrische tests en statistieken. Namelijk, bepaalde kennis over de populatie is absoluut noodzakelijk voor een parametrische analyse, omdat het populatie-gerelateerde parameters vereist om nauwkeurige resultaten te geven. Aan de andere kant kan een niet-parametrische benadering worden gevolgd zonder voorafgaande kennis van de bevolking.

Parametrische versus niet-parametrische tests: vergelijkingsschema

Samenvatting van parametrisch en niet-parametrisch

• Een parametrische test is een test die bepaalde parameters aanneemt en er zijn verdelingen bekend over een populatie, in tegenstelling tot de niet-parametrische
• De parametrische test gebruikt een gemiddelde waarde, terwijl de niet-parametrische een mediane waarde gebruikt
• De parametrische benadering vereist voorafgaande kennis over de populatie, in tegenstelling tot de niet-parametrische benadering