SPSS 参数化或非参数化检验

• 在本节中，我们将学习关于参数化和非参数化检验。如果我们经常使用 SPSS，我们将面临一个问题，即是否使用参数化检验或非参数化检验。
• 第一个谈论参数化或非参数化检验的人是 Jacob Wolfowitz 在 1942 年。他试图区分这些检验，这些检验对它们总体中变量的性质做出假设。如果我们已经了解总体，并且我们基于这些假设开发了一个检验，然后应用该检验，在这种情况下，我们的结果更具普遍性。
• 假设我们正在研究一个年龄变量。假设我们想找出关于年龄的一些结论。我们已经知道年龄在总体或整个人口或印度人口或美国人口中的分布情况。在这种情况下，无论我们使用什么检验，都会给我们一个更具普遍性的结果。
• 而在其他情况下，当我们不了解我们正在研究的变量的特征时，尤其是在总体中，那么我们将不会创造一个结果可以普遍化的情况。这就是参数化检验的优势。这就是为什么我们的研究人员、主管或总编辑经常敦促我们更多地使用参数化检验，而不是非参数化检验。
• 与非参数化检验相比，参数化检验的结果更具普遍性。在参数化检验中，我们确信变量在总体中的分布或性质。因此，如果我们理解了这一点，我们就可以在参数化和非参数化检验之间做出一定的区分。

参数化检验和非参数化检验的区别

以下差异并不是参数化和非参数化检验之间区分的详尽列表，但这些是在选择合适的检验时应牢记的最常见的区分。

1. 分布的正态性表明它们在总体中呈正态分布。

非正态分布表明我们不了解总体的分布。

2. 方差的齐性表明我们使用的不同组必须具有相同的方差。

A1² = A2² = ……= An²

方差的非齐性表明参数化条件可能在非参数化检验中被违反。

A1² ≠ A2² ≠ ……= An²

3. 观察的独立性表明一个候选人或受试者的观察结果不会以任何方式影响其他候选人或受试者的观察结果。

观察的依赖性表明一个候选人或受试者的观察结果会影响其他候选人或受试者的观察结果。

4. 随机性表明样本必须从总体中随机抽取。

非随机表明我们不是随机抽取样本，并且我们研究中的所有受试者都不会被随机选择。

5. 区间尺度测量表明我们的数据将以区间尺度测量，并且尺度两个区间之间的测量量在整个尺度中保持不变。

非区间尺度测量表明参数化条件可能在非参数化检验中被违反。