Charakterystyka testów parametrycznych i nieparametrycznych

Student analizujący testy parametryczne i nieparametryczne na wykresach statystycznych

 

W psychologii bardzo często chcemy odpowiedzieć na pytanie, czy zaobserwowane różnice lub zależności są rzeczywiste, czy mogły pojawić się przypadkowo. Właśnie dlatego w analizie danych wykorzystuje się testy statystyczne, które pomagają badaczom wyciągać wnioski na podstawie wyników badań psychologicznych. Jednym z podstawowych podziałów testów statystycznych jest rozróżnienie na testy parametryczne i nieparametryczne. Choć oba rodzaje służą do analizy danych, różnią się między sobą założeniami, sposobem działania oraz sytuacjami, w których powinny być stosowane.

Zrozumienie różnic między tymi testami jest szczególnie ważne dla studentów psychologii, ponieważ właściwy dobór metody analizy wpływa na poprawność interpretacji wyników badań. Testy parametryczne są zwykle wykorzystywane wtedy, gdy dane spełniają określone wymagania statystyczne, takie jak rozkład normalny czy jednorodność wariancji. Z kolei testy nieparametryczne znajdują zastosowanie w sytuacjach, gdy dane nie spełniają tych założeń lub mają charakter jakościowy bądź porządkowy.

 

Testy parametryczne i nieparametryczne są nieodłączną częścią testów statystycznych, dzięki którym możliwe jest skalkulowanie prawdopodobieństwa urzeczywistnienia postawionej hipotezy statystycznej. Hipotezę statystyczną stawiamy chcąc sprawdzić nasze oczekiwania odnośnie populacji. Sprawdzając prawdziwość naszych oczekiwań, opieramy się na wynikach próby losowej. Hipotezę, która podlega weryfikacji nazywamy hipotezę zerową (H0) a jej przeciwieństwo hipotezę alternatywną (H1). Wybierając prawidłową metodę statystyczną należy najpierw sprawdzić parametryczność danych, dzięki którym możliwe będzie wybranie adekwatnych do zagadnienia testów parametrycznych lub nieparametrycznych.

 

Testy parametryczne

Testy parametryczne dotyczą wartości parametrów statystycznych populacji i badają konkretną cechę w populacji generalnej, posługując się średnią. Jest to często pierwszy wybór badacza. Ale co za tym idzie, muszą one spełniać większą ilość założeń. „Najczęściej wymaga się między innymi, by próba pochodziła z populacji o rozkładzie normalnym. Symulacje pokazały jednak, że niespełnienie tego warunku nie musi dyskwalifikować testu. Co więcej w przypadku wielu badań statystycznych założenie to jest spełnione. Testy parametryczne są także mniej odporne na obserwacje odstające.”(Badania statystyczne) Przyjmuje się, że testy parametryczne są bardziej wiarygodne i są wierniejszym odbiciem populacji. Ponadto ich interpretacja jest stosunkowo łatwa.

 

Testy parametryczne cechuje: większa ilość założeń do spełnienia, większa moc testów, dokładniejszy pomiar oraz lepsza interpretowalność uzyskiwanych wyników.

Przykłady testów parametrycznych:

– test t-Studenta dla prób zależnych

– test t-Studenta dla prób niezależnych

– jednoczynnikowa analiza wariancji.

 

Testy nieparametryczne

Testy nieparametryczne dotyczą postaci rozkładu zmiennej lub losowości próby. Stosujemy je, gdy nie mamy możliwości wykorzystać testów parametrycznych. Dla testów nieparametrycznych nie jest wymagane spełnienie założenia o rozkładzie normalnym (symetrycznym), który ocenia się na podstawie wykresów lub testów typu  testu Chi-kwadrat albo testu W Shapiro-Wilka. Testów nieparametrycznych używa się, gdy liczebność badanej grupy jest mała, albo grupy nie są równoliczne. Należy zaznaczyć, że testy te nie są czułe na obserwacje odstające. Warto z nich korzystać, gdy mediana jest wielkością lepiej reprezentującą środek danych niż średnia. Wśród testów nieparametrycznych znajdziemy takie, które pozwalają analizować cechy niemierzalne. Testy nieparametryczne są wygodne, ale ich efektywność jest mniejsza.

Testy nieparametryczne cechuje: mniejsza ilość założeń do spełnienia, mniejsza moc testów, mniej dokładny pomiar oraz gorsza interpretowalność uzyskiwanych wyników.

Przykłady testów nieparametrycznych:

– test serii Walda i Wolfowitza

– test U Manna i Whitneya

– test Kołmogorowa – Smirnowa.

Testimonial by Anna Grzanka
Magister filologii polskiej o specjalności dziennikarskiej oraz krytyka i praktyka literacka, tytuł pracy magisterskiej: „Obraz starej kobiety, urodzonej przed wojną, w kontekście polskiej kultury i literatury współczesnej”. A także magister psychologii, tytuł pracy magisterskiej: „Polacy a Tajwańczycy – komparatystyka dobrostanu psychicznego”.
W kręgu jej zainteresowań naukowo-badawczych znajdują się zagadnienia z zakresu psychologii społecznej, komunikacji interpersonalnej oraz szeroko rozumianej psychoedukacji. Dorobek zawodowy obejmuje zarówno działalność dydaktyczną, jak i praktyczną, z uwzględnieniem aktywnego udziału w projektach o charakterze edukacyjnym, społecznym oraz międzynarodowym.
Posiada doświadczenie w pracy warsztatowej z osobami starszymi, a także w zakresie szkoleń w instytucjach mundurowych. Uczestniczyła w realizacji zadania publicznego finansowanego z Budżetu Państwa, w ramach Rządowego Programu Wspierania Rozwoju Organizacji Poradniczych, współpracując z organizacjami trzeciego sektora. Współpracowała również przy realizacji warsztatów z psychodramy z udziałem międzynarodowej kadry akademickiej.
Uczestniczyła także w wyjazdach zagranicznych w ramach programów mobilności akademickiej, realizując staże i szkolenia m.in. w Bułgarii i Czechach.
Anna Grzanka
Kategorie:
Ostatnio dodane w tej kategorii: