מה המשמעות של שיטה לא פרמטרית?
שיטה לא-פרמטרית מתייחסת לסוג של נתונים סטטיסטיים שאינם דורשים שהאוכלוסייה המנותחת תעמוד בהנחות או בפרמטרים מסוימים. שיטות סטטיסטיות ידועות כמו ANOVA, המתאם של פירסון, מבחן t ואחרות מספקות מידע תקף על הנתונים המנותחים רק אם האוכלוסיה הבסיסית עומדת בהנחות מסוימות. אחת ההנחות הנפוצות ביותר היא שלנתוני האוכלוסייה יש "התפלגות נורמלית".
עם זאת, ניתן ליישם סטטיסטיקות פרמטריות על אוכלוסיות עם סוגי תפוצה ידועים אחרים. נתונים סטטיסטיים לא פרמטריים אינם מחייבים כי נתוני האוכלוסייה יעמדו בהנחות הנדרשות לסטטיסטיקה פרמטרית. לכן, סטטיסטיקות לא פרמטריות נכללות בקטגוריה של נתונים סטטיסטיים שלעתים נקראים נטולי הפצה. לעתים קרובות יש להשתמש בשיטות לא פרמטריות כאשר לנתוני האוכלוסייה יש תפוצה לא ידועה, או כאשר גודל המדגם קטן.
הסבר על שיטה לא פרמטרית
לעתים קרובות משתמשים בשיטות פרמטריות ולא-פרמטריות על סוגים שונים של נתונים. סטטיסטיקות פרמטריות בדרך כלל דורשות נתוני מרווח או יחס. דוגמא לנתונים מסוג זה הם גיל, הכנסה, גובה ומשקל בהם הערכים הם רציפים ולמרווחים בין ערכים יש משמעות.
לעומת זאת, נתונים סטטיסטיים לא-פרמטריים משמשים בדרך כלל על נתונים שהם נומינליים או מסודרים. משתנים נומינליים הם משתנים שלערכים אין ערך כמותי. משתנים נומינליים נפוצים במחקר מדעי החברה, למשל, כוללים מין, שערכיהם האפשריים הם קטגוריות נפרדות, "זכר" ו"נקבה ". משתנים נומינליים נפוצים אחרים במחקר מדעי החברה הם גזע, מצב משפחתי, רמת השכלה ומצב תעסוקתי. (מועסקים לעומת מובטלים).
משתנים רגילים הם אלה שבהם הערך מציע סדר מסוים. דוגמה למשתנה מסודר היא אם משיב הסקר שאל "בסולם של 1 עד 5, כאשר 1 לא מרוצה מאוד ו -5 יהיו מרוצים ביותר, איך היית מדרג את החוויה שלך עם חברת הכבלים?"
למרות שלסטטיסטיקה לא-פרמטרית יש יתרון בכך שהם צריכים לעמוד בהנחות מעטות, הם פחות חזקים מסטטיסטיקה פרמטרית. המשמעות היא שהם עשויים שלא להראות קשר בין שני משתנים כאשר למעשה קיים אחד.
בדיקות לא-פרמטריות נפוצות כוללות כיכר צ'י, מבחן סכום דרגה של וילקוקסון, מבחן קרוסקאל-וואליס, ומתאם דרג-סדר של ספירמן.
