Статистические тесты используются для определения того, имеет ли гипотетическая взаимосвязь между переменными статистическую значимость. Обычно тест измеряет степень корреляции или различия переменных. Параметрические тесты - это тесты, которые полагаются на центральные тенденции переменных и предполагают нормальное распределение. Непараметрические тесты не делают предположений о распределении совокупности.
T-тест - это параметрический тест, который сравнивает средние значения участвующих выборок и популяций. Существует несколько разновидностей t-теста. Одновыборочный t-критерий сравнивает среднее значение выборки с предполагаемым средним. С помощью t-теста независимых выборок проверяется, имеют ли средние значения двух разных выборок одинаковые значения. Парный t-критерий выборки используется, когда есть два наблюдения для сравнения для каждого субъекта в выборке. T-тест разработан для числовых данных с нормальным распределением.
Порядковые данные - это производные данные, которые описывают относительные значения каждой единицы в выборке. Например, порядковые данные о росте 10 учеников в классе будут просто числами. От 1 до 10, где 1 может представлять самого низкого ученика, а 10 - самого высокого ученик. Ни у одного ученика не было бы такого же значения, если бы у него не был точно такой же рост. Измерения центральной тенденции бессмысленны с порядковыми данными.
Т-тесты не подходят для использования с порядковыми данными. Поскольку порядковые данные не имеют центральной тенденции, они также не имеют нормального распределения. Значения порядковых данных распределяются равномерно, а не сгруппированы вокруг средней точки. Из-за этого t-критерий порядковых данных не имел бы статистического значения.
Есть три критерия статистической значимости, которые можно использовать с порядковыми данными. Корреляция рангового порядка Спирмена подходит для использования, когда задействованы только две переменные, и их взаимосвязь является монотонной, хотя и не обязательно линейной. В монотонных отношениях, когда первая переменная увеличивается, направление второй переменной не изменяется. Тест Краскала-Уоллиса разработан для случаев, когда имеется более двух выборок и данные не имеют нормального распределения. Это похоже на односторонний дисперсионный анализ. Дисперсионный анализ Фридмана по рангам можно использовать, когда есть три или более наблюдений одной переменной в одной группе.
