参数和非参数之间的差异

社会研究人员经常构建一个假设,在这个假设中他们假设某个广义规则可以应用于人口。他们通过使用参数或非参数的测试来测试这个假设。参数测试通常更常见,并且在进行研究时使用的标准测试更早地进行研究。

进行研究的过程相对简单 - 您构建一个假设并假设某个“法律”可以应用于人口。然后,您可以进行测试并收集数据,然后进行统计分析。收集的数据通常可以表示为图形,而假设的法则可以表示为该数据的平均值。如果假设法和平均值法匹配,则假设得到证实。

但是,在某些情况下,找到平均值并不是搜索法律的最合适方式。一个很好的例子是总收入的分配。如果你没有匹配平均值,那可能是因为一两个亿万富翁正在扰乱你的平均值。但是,中位数会对平均收入产生更准确的结果,更有可能与您的数据相匹配。

换句话说,当对人口的假设清楚并且有大量关于它的可用信息时,将使用参数测试。将设计问题以测量那些特定参数,以便然后可以如上所述分析数据。当测试群体不完全已知时使用非参数检验,因此检查的参数也是未知的。此外,虽然参数测试使用平均值作为结果,但非参数检验采用中位数,因此通常在原始假设不适合数据时使用。

什么是参数测试?

参数测试是一种测试,旨在提供数据,然后通过称为参数统计的科学分支进行分析。参数统计假设已经知道关于总体的一些信息,即概率分布。作为示例,通过正态分布模型描述整个世界的身高分布。与此类似,任何已知的分布模型都可以应用于一组数据。但是,正如我所提到的,假设某个分布模型适合数据集意味着您固有地假设有关人口的一些其他信息已知。概率分布包含描述分布的确切形状的不同参数。这些参数是参数测试提供的 - 每个问题都是为每个受访个体提供某个参数的精确值而量身定制的。组合后,该参数的平均值用于概率分布。这意味着参数测试也假设了人口。如果假设是正确的,则应用于参数测试提供的数据的参数统计将得到比非参数测试和统计更准确和精确的结果。

什么是非参数测试?

与参数测试和统计类似,存在非参数测试和统计。当预期获得的数据不符合正态分布曲线或序数数据时,使用它们。顺序数据的一个很好的例子是当您按照1到5的等级对某个产品或服务进行评级时所留下的评论。一般来说,序数数据来自使用不同排名或顺序的测试。因此,它不依赖于参数测试所依赖的参数的数字或精确值。实际上,它不以任何方式使用参数,因为它不假设某种分布。通常,参数分析优先于非参数分析,但如果由于未知总体而无法执行参数测试,则需要采用非参数检验。

参数和非参数测试之间的差异

1)做出假设

正如我所提到的,参数测试对人口进行了假设。它需要与分析中使用的正态分布相关的参数,了解这些参数的唯一方法是获得有关总体的一些知识。另一方面,如名称所示,非参数测试不依赖于任何参数,因此不会假设有关总体的任何信息。

2)参数和非参数的概率

在参数测试的情况下,将对数据执行的统计分析的基础是概率分布。另一方面,非参数测试的基础不存在 - 它完全是任意的。这样可以提高灵活性,并使假设更容易与收集的数据相符。

3)集中趋势的度量

集中趋势的度量是概率分布的中心值。虽然在非参数统计的情况下概率分布是任意的,但它仍然存在,因此集中趋势的度量也是如此。但是,这些措施是不同的。在参数测试的情况下,它被认为是平均值,而在非参数测试的情况下,它被认为是中值。

4)人口参数的知识

正如我在第一个区别中提到的,有关人口的信息在参数和非参数测试和统计之间有所不同。也就是说,关于群体的某些知识对于参数分析是绝对必要的,因为它需要与群体相关的参数以便给出精确的结果。另一方面,可以在没有任何先前的人口知识的情况下采用非参数方法。

参数与非参数测试:比较图表

参数和非参数的总结

  • 参数测试是一种测试,假设某些参数和分布是关于总体的,与非参数测试相反
  • 参数测试使用平均值,而非参数测试使用中值
  • 与非参数方法相反,参数方法需要先前关于总体的知识