Worin unterscheiden sich parametrische und nichtparametrische Tests?

Worin unterscheiden sich parametrische und nichtparametrische Tests?

Parametrische Tests setzen zugrundeliegende statistische Verteilungen in den Daten voraus. Daher müssen einige Gültigkeitsbedingungen erfüllt sein, damit das Ergebnis eines parametrischen Tests zuverlässig ist. Beispielsweise ist ein t-Test für zwei unabhängige Stichproben eines Schülers nur dann zuverlässig, wenn jede Stichprobe einer Normalverteilung folgt und die Stichprobenvarianzen homogen sind.

Nichtparametrische Tests basieren auf keiner Verteilung. Sie können daher selbst dann angewendet werden, wenn parametrische Gültigkeitsbedingungen nicht erfüllt sind.

Parametrische Tests haben oft nichtparametrische Äquivalente. In diesem Raster finden Sie verschiedene parametrische Tests mit den gegebenenfalls existierenden Äquivalenten.

Worin liegt der Vorteil der Verwendung eines nichtparametrischen Tests?

Nichtparametrische Tests sind robuster als parametrische Tests. Mit anderen Worten sind sie in einer größeren Bandbreite von Situationen gültig (weniger Gültigkeitsbedingungen).

Worin liegt der Vorteil der Verwendung eines parametrischen Tests?

Der Vorteil der Verwendung eines parametrischen Tests anstelle eines nichtparametrischen Äquivalents besteht darin, dass ersterer eine größere statistische Aussagekraft hat als letzterer. Mit anderen Worten ist die Wahrscheinlichkeit, dass ein parametrischer Test zur Ablehnung von H0 führt, größer. Der p-Wert ist bei einem parametrischen Test meist niedriger als der p-Wert in bei einem auf Basis derselben Daten durchgeführten nichtparametrischen Test.