統計的検定は、変数間の仮定された関係に統計的有意性があるかどうかを判断するために使用されます。 通常、テストでは、変数が相関または異なる程度を測定します。 パラメトリック検定は、変数の中心傾向に依存し、正規分布を仮定する検定です。 ノンパラメトリック検定は、母集団分布についての仮定を行いません。
t検定は、関連するサンプルと母集団の平均を比較するパラメトリック検定です。 t検定にはいくつかの種類があります。 1標本のt検定は、標本の平均を仮定された平均と比較します。 独立したサンプルのt検定は、2つの異なるサンプルの平均が類似した値を持っているかどうかを調べます。 対応のあるサンプルのt検定は、サンプル内の各被験者について比較する2つの観測値がある場合に使用されます。 t検定は、正規分布の数値データ用に設計されています。
順序データは、サンプル内の各ユニットの相対値を表す派生データです。 たとえば、教室の10人の生徒の身長の順序データは単純に数値になります。 1から10まで。ここで、1は最も短い生徒を表し、10は最も高い生徒を表します。 学生。 まったく同じ身長でない限り、同じ価値を持つ生徒はいないでしょう。 中心傾向の測定値は、順序データでは意味がありません。
T検定は、順序データでの使用には適していません。 順序データには中心傾向がないため、正規分布もありません。 順序データの値は、中間点を中心にグループ化されるのではなく、均等に分散されます。 このため、順序データのt検定には統計的な意味がありません。
順序データで使用するのに適切な統計的有意性の3つのテストがあります。 スピアマンの順位相関は、関係する変数が2つだけで、それらの関係が単調である場合に使用するのに適していますが、必ずしも線形である必要はありません。 単調な関係では、最初の変数が増加しても、2番目の変数の方向に変化はありません。 Kruskal-Wallis検定は、3つ以上のサンプルがあり、データが正規分布していない場合のために設計されています。 これは、一元配置分散分析に似ています。 ランクによる分散分析のフリードマンは、単一のグループに単一の変数の3つ以上の観測値がある場合に使用できます。