تفاوت آزمون های پارامتریک و ناپارامتریک

آزمون های پارامتریک، آزمون های استنباطی هستند که توان آماری بالا و قدرت پرداختن به داده های جمع آوری شده در طرح های پیچیده را دارند. آن ها بیشتر فرض می گیرند که داده ها توزیع نرمال داشته و نمونه ها واریانس مساوی دارند. از مهمترین آزمون های پارامتریک می توان به، آزمون تی تک نمونه (One Sample T Test)، آزمون t دو نمونه مستقل (Independent Samples t-Test)، تحلیل واریانس یک راهه (ANOVA)، آزمون t وابسته، آزمون t ولچ، آزمون t هتلینگ، تحلیل واریانس چند عاملی (MANOVA)، تحلیل کوواریانس چندعاملی (MANCOVA)… اشاره کرد.

از سوی دیگر، آزمون های استنباطی ناپارامتریک، روندهایی می باشند که فرض های کمی در مورد داده ها و به ویژه توزیع آن ها داشته و در مقایسه با روندهای پارامتری از توان کمتری برخوردارند. از مهمترین آزمون های ناپارامتریک می توان به آزمون فریدمن، آزمون اسپیرمن، آزمون خی دو، آزمون کروسکال والیس، آزمون یو من-ویتنی، آزمون ویلکاکسون، نیکوئی برازش، کولموگروف-اسمیرنف… اشاره کرد.

تردید در استفاده از نوع روش های آماری همواره چالش پیش روی محققین به هنگام انجام پایان نامه ارشد و رساله دکترا می باشد. آمار پارامتریک مستلزم پیش فرض هائی در مورد جامعه ای که از آن نمونه گیری صورت گرفته می باشد. به عنوان مهمترین پیش فرض در آمار پارامتریک فرض می شود که توزیع جامعه نرمال است، اما آمار ناپارامتریک مستلزم پیش فرضی در مورد توزیع نیست. به همین خاطر بسیاری از تحقیقات علوم انسانی که با مقیاس های کیفی سنجیده شده و فاقد توزیع هستند از شاخص های آمار ناپارامتریک استفاده می کنند.

ذکر این نکته حائز اهمیت است که مفهوم ناپارامتری به این معنی نیست که به هیچ پیش فرضی احتیاج نیست بلکه تعداد و طبیعت پارامترها انعطاف ناپذیر است و ثابت نمی باشد. مثلا در تمامی گروه ها داده ها باید پراکندگی یکسان داشته باشند. از جمله مزایای روش های ناپارامتریک این است که برای تمام مقیاس ها قابل استفاده هستند، مثلا می توان متغیرهای کمی نظیر سن را به تعداد گروه های مد نظر دسته بندی کرد. البته تبدیل داده های کمی به رتبه بندی شده می تواند منجر به اتلاف اطلاعات شود و از این دیدگاه یک محدودیت شمرده می شود.

نیاز به حجم نمونه بیشتر برای دست یابی به توان یکسان در مقایسه با روش های پارامتریک از دیگر محدودیت های روش های ناپارامتریک می باشد، یعنی اگر بین دو گروه از نظر متغیر مورد بررسی اختلاف وجود داشته باشد آزمون های ناپارامتریک توان کمتری برای یافتن این اختلاف دارند. تفسیر مشکل خروجی آزمون های ناپارامتریک که به جای مقادیر واقعی از رتبه آن ها استفاده می کنند نیز از جمله نقاط ضعف این آزمون است. آمار پارامتریک شدیدا تحت تاثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است و در اینجا پارامترهای جامعه ثابت می باشند.

 اگر متغیرها از نوع اسمی و ترتیبی بوده حتما از روش های ناپارامتریک استفاده می شود. اگر متغیرها از نوع فاصله ای و نسبی باشند در صورتی که فرض شود توزیع آماری جامعه نرمال یا بهنجار است از روش های پارامتریک استفاده می شود، در غیراین صورت یا باید تبدیل های نرمال ساز نظیر لگاریتم روی داده ها صورت گیرد یا می توان از روش های ناپارامتریک استفاده کرد. مخصوصا زمانی که در نمونه داده های پرت وجود دارد، آسیب پذیری آزمون های پارامتریک به آزمون های ناپارامتریک بیشتر است.

در شکل زیر مهمترین آزمون های آماری پارامتریک و ناپارامتریک معرفی می شوند، همچنین جایگزین ناپارامتریک مربوط به هرکدام از روش های پارامتریک نیز جهت پیاده سازی در پروژه ها مشخص شده است.

شما عزیزان می توانید با مراجعه به بخش های نمونه فصل سوم پایان نامه، نمونه فصل چهارم پایان نامه، نمونه فصل پنجم پایان نامه، با نحوه ی پیاده سازی آزمون های پارامتریک و ناپارامتریک در طرح های آکادمیک به صورت جامع آشنا شوید.