Параметрические тесты — это тип тестов статистической значимости, которые количественно определить связь или независимость между количественной и категориальной переменной (1). Помните, что категориальная переменная — это переменная, которая разделяет людей на группы. Однако эти типы тестов требуют определенных предварительных условий для их применения. Что это?
Скажем, например, мы хотим сравнить две группы. Чтобы проверить, можем ли мы применить параметрические тесты, нам сначала нужно будет проверить, является ли распределение групп в количественной переменной нормальным.
Кроме того, нам также нужно будет проверить однородность дисперсий в популяциях, из которых происходят группы. Наконец, количество испытуемых, обозначенное в статистике n, должно быть больше 30 на группу, при этом результаты проверки гипотез подтверждают тот факт, что группы сбалансированы.
В случае невыполнения данных требований прибегнем к непараметрическим испытаниям. Если они выполнены, то мы можем использовать параметрические тесты: t-тест (для одной выборки или для двух связанных или независимых выборок) и тест ANOVA (для более чем двух независимых выборок).
Условия их применения
Необходимо провести много исследований, чтобы определить, что с чем делать. То есть им необходимо знать, связаны ли изучаемые переменные друг с другом или нет. В любом случае нам нужно знать несколько вещей, прежде чем применять те или иные тесты. Таким образом, подробно, Требования к использованию этих параметрических тестов: (1):
Переменная исследования должна быть числовой.
Это, зависимая переменная должна быть измерена в масштабе не менее интервала. Лучше, даже если это правильно.
Обычный
В основном, в значения зависимой переменной они должны соответствовать нормальному распределению. Это должно происходить, как минимум, в популяции, принадлежащей выборке.
Нормальное или гауссово распределение (из-за гауссова колоколявляется наиболее изученным теоретическим распределением. и оно обязано своей важностью в основном частоте, с которой различные переменные, связанные с природными и повседневными явлениями, приблизительно следуют за этим распределением. Некоторые примеры, такие как вес или психологические характеристики, такие как IQ, являются примерами переменных, которые, как обычно предполагается, подчиняются нормальному распределению.
Гомоскедастичность (однородность дисперсий) между сравниваемыми группами
Дисперсии зависимой переменной в сравниваемых группах должны быть более или менее равными.. По этой причине необходимо знать, выполняется ли эта однородность дисперсий, поскольку от нее зависит формулировка, которую мы используем для сравнения средних. Вот некоторые тесты, которые позволяют нам сравнить эту однородность дисперсий:
- Тест Левена.
- Fisher’s F.
- Fmax Хартли.
- Тест Бартлетта.
Образец n
N — размер населения.. В этом случае размер выборочной совокупности не может быть меньше 30, и чем ближе она к n всей генеральной совокупности, тем лучше.
Да, чем больше выборка, тем точнее оценка. И наоборот, чем меньше размер выборки, тем больше искажается среднее значение выборки на крайне редкие значения.
Виды параметрических тестов
Согласно предложенному контрасту используется тот или иной вид параметрического теста (2):
| Тип контраста | Тесты |
| Образец | Тест t |
| Два независимых образца | Т-тест для двух независимых выборок |
| Два связанных образца | T-тест для связанных данных |
| Более двух независимых выборок | ANOVA |
Т-тест для образца
T-критерий для выборки связан с проверкой того, значительно ли отличается среднее значение генеральной совокупности от заданного известного или предполагаемого значения. Таким образом, тест вычисляет описательную статистику для переменных контраста вместе с t-тестом (1).
Т-тест для двух независимых выборок
Этот тест используется, когда сравниваются средние значения двух независимых популяций.. То есть особи одной из популяций отличаются от особей другой. Примером этого является сравнение мужчин и женщин (1).
Т-тест для двух родственных образцов
Этот тест — еще одна альтернатива противопоставлению двух средств. В основном это относится к предполагаемому случаю, когда две популяции не независимы. В данном случае это популяции, которые связаны друг с другом. Такая ситуация возникает, например, когда группа лиц наблюдается до и после определенного вмешательства.
Тест ANOVA для более чем двух независимых выборок
В случае необходимости сравнения более двух выборок нам придется прибегнуть к дисперсионному анализу или ANOVA.. Это статистический тест, разработанный для одновременного сравнения средних значений более чем двух популяций.
Эти тесты очень часто встречаются в психологических исследованиях, во многих случаях ими злоупотребляют.. Однако мы всегда должны помнить о его предпосылках, которые сообщат нам, можем ли мы использовать параметрические тесты или мы должны прибегать к непараметрическим тестам.
