آمار پارامتریک و ناپارامتریک
آمار پارامتریک و ناپارامتریک
آمار پارامتریک که در خلال جنگ جهانی دوم شکل گرفت در برابر آمار ناپارامتریک قرار می گیرد.از تقسیم بندیهای رایج آمار، تقسیم بندی آن به آمار پارامتریک و ناپارامتریک است.
به سادهترین بيان بايد گفت كه براي سنجش فرضيه هايي كه متغير آن كمي اند، از آمار پارامتريك استفاده ميشود. متغيرهاي كمي به علت كمي بودن و واحد پذير بودن از اين ويژگي برخوردارند كه آنها را ميانگينپذير و انحراف معيارپذير ميكنند و به دليل همين ويژگي معمولا براي استفاده از آزمون هاي پارامتريك، پيش فرض هايي لازم است كه از جمله، نرمال بودن توزيع جامعه است زيرا در حالتي كه توزيع جامعه نرمال نباشد، ميانگين و انحراف معيار، نمايي واقعي از داده ها را به تصوير نميكشانند.
براي آزمون متغيرهاي كيفي و رتبه ای از آمار ناپارامتريك استفاده ميشود. اين آزمونها كه از آنها با عنوان آزمونهاي بدون پيش فرض نيز ياد ميشود به هيچ پيش فرض خاصي نياز ندارد.آزمون های ناپارامتریک مشروط به مفروضات آمار کلاسیک نیستند و کاربرد اصلی آنها در بررسی جوامع آماری غیر نرمال ، جوامع با داده های کیفی و نمونه های کوچک آماری می باشد
درخصوص تبديل متغيرها بايد يادآور شد كه ميتوان متغيرهاي كمي را به متغيرهاي كيفي تبديل كرد و آنها را با آزمونهاي ناپارامتريك مورد ارزيابي قرار داد ولي عكس اين عمل امكانپذير نيست.
شايان ذكر است كه سطح دقت درآزمونهاي آماري پارامتريك از آزمونهاي آماري ناپارامتريك بيشتر است و معمولا پيشنهاد ميشود كه در صورتي كه استفاده از آزمونهاي پارامتريك امكان پذير باشد از آزمونهاي ناپارامتريك استفاده نشود، بايد توجه داشت كه بيشتر متغيرهاي علوم رفتاري به كمك آزمونهاي ناپارامتريك مورد قضاوت قرار ميگيرند.
همانطوركه ميدانيد متغير تصادفي ممكن است به يكي از چهار مقياس اندازه گيري از قبيل : اسمي، ترتيبي، فاصلهاي و نسبتي تعلق گيرد. يك روش آماري را وقتي ناپارامتري گويند كه حداقل يكي از شرايط زير را وجود داشته باشد:
1- مناسب داده هايي باشد كه داراي مقياس اسمي هستند.
2- مناسب داده هايي باشد كه داراي مقياس ترتيبي هستند.
3- مناسب داده هايي است كه داراي مقياس فاصلهاي نسبتي هستند، اما تابع توزيع جمعيت متغير تصادفي كه از آن دادهها بدست آمدهاند مشخص نباشد.
مزاياي استفاده از روشهاي ناپارامتري:
1- محاسبه روشهاي غير پارامتري معمولا آسان است.
2- روشهاي ناپارامتري را ميتوان در مورد داده هايي بكار برد كه روشهاي پارامتري را نمي توان درباره آنها اعمال كرد. اين وضعيت در مواردي است كه مقياس اندازه گيري داده ها اسمي يا ترتيبي باشد.
3- در روشهاي ناپارامتري لازم نيست كه فرض كنيم متغير تصادفي جمعيت داراي توزيع احتمال خاصي است. اين روشها بر مبناي توزيع نمونه گيري هستند، امادر شكل توزيع نمونه گيري لازم نيست كه شكل خاصي را براي توزيع احتمال جمعيت فرض كنيم.
4- اگر يك روش غير پارامتري را بتوان در مورد يك مقياس اندازه گيري ضعيف بكار برد در آن صورت ميتوان آن را در مورد مقياسهاي قويتر نيز بكار برد.
آمار پارامتريك، براي سنجش فرضيه هايي كه متغير آنها كمي است از آمار پارامتريك استفاده مي شود. متغيرهاي كمي به علت كمي بودن و واحد پذير بودن از اين ويژگي برخوردارند كه آنها را ميانگين پذير و انحراف معيار پذير مي كنند و به دليل همين ويژگي معمولا براي استفاده آزمون هاي پارامتريك، پيش فرض هايي لازم است كه از آن جمله نرمال بودن توزيع جامعه است زيرا در حالتي كه توزيع جامعه نرمال نباشد، ميانگين و انحراف معيار، نمايي واقعي از داده ها را به تصوير نمي كشانند.
آمار ناپارامتريك: براي سنجش فرضيه ها با متغيرهاي كيفي، آما ناپارامتريك استفاده مي شود. اين آزمون ها كه از آن ها با عنوان «آزمون هاي بدون پيش فرض» نيز ياد مي شود، به هيچ پيش فرض خاصي نياز ندارند. جهت تبديل متغيرها مي توان متغيرهاي كمي را به كيفي تبديل نمود و آنها را با آزمون هاي ناپارامتريك مورد ارزيابي قرار داد ولي عكس اين عمل امكان پذير نمي باشد. ضمناً سطوح دقت در آزمون هاي پارامتريك از آزمون هاي ناپارامتريك بيشتر است.
1- مقياس اسمي (Nominal Scale): ساده ترين كار، طبقه بندي است. وقتي متغيري را به دو يا چند بخش تقسيم مي كنيم مانند جنسيت به زن و مرد يا دين به اسلام و مسيحيت و يهوديت و غيره و اين تقسيم بندي ما بيانگر اولويت دادن و رتبه دادن يكي بر ديگري نيست و صفر عدد هم ندارد و فاصله اي بين اين بخش ها مد نظر نيست كه برابر باشند يا داراي تفاوت خاصي باشند به آن مقياس اسمي مي گوييم.(كيفي است)
2- مقياس ترتيبي(ordinal Scale): در اين مقياس، سؤالمان يا همان متغيرمان را به دو يا چند بخش تقسيم مي كني اعداد منسوب به رده ها و مقوله ها، امكان تنظيم داده ها را با تعيين اولويت ها و ترتيب ها فراهم مي كنند (كيفي است) مانند بالا، متوسط، پايين، زياد، متوسط، كم، كاملا مخالف، مخالف، بي نظر، موافق، كاملا موافق
3- مقياس فاصله اي(Interval scale): در اين مقياس، مقوله طبقه بندي مي شود(مانند اسمي) ترتيب طبقات و اولويت آنها مشخص مي گردد (مانند ترتيبي) و فاصله بين طبقات هم به صورت عددي ثابت و مشخص، دقيقاً معلوم مي گردد، مانند نمرات دانش آموزان در يك امتحان در اين مقياس صفر مطلق و واقعي(به معناي هيچ) وجود ندارد و صفر انتخابي يك صفر قراردادي است.
4- مقياس نسبي همان مقياس فاصله اي در صفر مطلق است.
آمار توصيفي(descriptive): به مجموعه روش هايي كه براي سازمان دادن، خلاصه كردن و توصيف مشاهده ها مورد استفاده قرار مي گيرند آمار توصيفي مي گويند. روش هاي آمار توصيفي هميشه براي تعيين و بيان ويژگي ها يا اطلاعاتي كه به وسيله پژوهشگران جمع آوري شده اند به كار برده مي شوند. شاخص هايي كه غالباً در آمار توصيفي به كار برده مي شوند: نما، ميانه، ميانگين، پراكندگي، همبستگي.
آمار استنباطي(inferential): به مجموعه روش هايي گفته مي شود كه با استفاده از داده هاي حاصل از نمونه، ويژگي ها و خصوصيات گروه بزرگ يا جامعه را استنباط مي كنيم غالبا هدف اصلي پژوهشگر كسب اطلاع درباره گروه هاي كوچك نيست بلكه از طريق يافته هاي گروه هاي كوچك اطلاعات لازم درباره جامعه اي كه اين گروه كوچك را با آن انتخاب كرده است كسب كند هدف پژوهشگر تعميم اصول و يافته هاست.
اين مطلب در تاريخ: شنبه 24 اسفند 1398 ساعت: 21:43 منتشر شده است
برچسب ها : تفاوت آزمون پارامتری با ناپارامتری,آزمونهای ناپارامتریک,