I test statistici vengono utilizzati per determinare se una relazione ipotizzata tra le variabili ha una significatività statistica. In genere, il test misurerà il grado in cui le variabili sono correlate o differiscono. I test parametrici sono quelli che si basano sulle tendenze centrali delle variabili e assumono una distribuzione normale. I test non parametrici non fanno ipotesi sulle distribuzioni della popolazione.
Il t-test è un test parametrico che confronta le medie dei campioni e delle popolazioni coinvolte. Esistono diverse varietà di t-test. Un test t per un campione confronta la media di un campione con una media ipotizzata. Un test t per campioni indipendenti verifica se le medie di due campioni diversi hanno valori simili. Un t-test per campioni appaiati viene utilizzato quando ci sono due osservazioni da confrontare per ciascun soggetto nel campione. Il t-test è progettato per dati numerici che hanno una distribuzione normale.
I dati ordinali sono dati derivati che descrivono i valori relativi di ciascuna unità nel campione. Ad esempio, i dati ordinali dell'altezza di 10 studenti in una classe sarebbero semplicemente i numeri Da 1 a 10, dove 1 potrebbe rappresentare lo studente più basso e 10 potrebbe rappresentare il più alto alunno. Nessuno studente avrebbe lo stesso valore se non avesse esattamente la stessa altezza. Le misure di tendenza centrale sono prive di significato con i dati ordinali.
I test T non sono appropriati per l'uso con dati ordinali. Poiché i dati ordinali non hanno una tendenza centrale, non hanno nemmeno una distribuzione normale. I valori dei dati ordinali sono distribuiti uniformemente, non raggruppati intorno a un punto medio. Per questo motivo, un t-test di dati ordinali non avrebbe alcun significato statistico.
Esistono tre test di significatività statistica che è opportuno utilizzare con i dati ordinali. La correlazione di ordine di rango di Spearman è appropriata da utilizzare quando sono coinvolte solo due variabili e la loro relazione è monotona, sebbene non necessariamente lineare. Nelle relazioni monotone, all'aumentare della prima variabile, non vi è alcun cambiamento nella direzione della seconda variabile. Il test Kruskal-Wallis è progettato per i casi in cui ci sono più di due campioni e i dati non sono distribuiti normalmente. È simile a un'analisi della varianza unidirezionale. L'analisi di Friedman della varianza per ranghi può essere utilizzata quando ci sono tre o più osservazioni di una singola variabile in un singolo gruppo.
