Inhoud
Statistische tests worden gebruikt om te bepalen of een veronderstelde relatie tussen variabelen statistische significantie heeft. Doorgaans meet de test de mate waarin de variabelen correleren of verschillen. Parametrische tests zijn tests die afhankelijk zijn van de centrale tendensen van de variabelen en uitgaan van een normale verdeling. Niet-parametrische tests maken geen veronderstellingen over de populatieverdelingen.
T-toets
De t-test is een parametrische test die de gemiddelden van de betrokken monsters en populaties vergelijkt. Er zijn verschillende soorten t-tests. Een t-test met één steekproef vergelijkt het gemiddelde van een steekproef met een verondersteld gemiddelde. Een onafhankelijke t-test voor monsters kijkt of de gemiddelden van twee verschillende monsters vergelijkbare waarden hebben. Een gepaarde steekproeft-test wordt gebruikt wanneer er twee waarnemingen zijn om te vergelijken voor elk onderwerp in de steekproef. De t-test is ontworpen voor numerieke gegevens met een normale verdeling.
Gewone gegevens
Gewone gegevens zijn afgeleide gegevens die de relatieve waarden van elke eenheid in de steekproef beschrijven. Gewone gegevens van de hoogten van 10 studenten in een klaslokaal zouden bijvoorbeeld eenvoudigweg de getallen 1 tot en met 10 zijn, waarbij 1 de kortste student kan vertegenwoordigen en 10 de langste student. Geen enkele student zou dezelfde waarde hebben als hij niet exact dezelfde lengte had. Maatregelen van centrale tendens zijn zinloos met ordinale gegevens.
Ongeschiktheid van T-test
T-tests zijn niet geschikt voor gebruik met ordinale gegevens. Omdat ordinale gegevens geen centrale neiging hebben, heeft het ook geen normale verdeling. De waarden van ordinale gegevens zijn gelijk verdeeld, niet gegroepeerd rond een middelpunt. Daarom zou een t-test van ordinale gegevens geen statistische betekenis hebben.
Andere geschikte tests
Er zijn drie tests van statistische significantie die geschikt zijn voor gebruik met ordinale gegevens. De rangorde-correlatie van Spearman is geschikt om te gebruiken wanneer er slechts twee variabelen bij betrokken zijn en hun relatie monotoon is, maar niet noodzakelijk lineair. In monotone relaties, als de eerste variabele toeneemt, is er geen verandering in de richting van de tweede variabele. De Kruskal-Wallis-test is ontworpen voor gevallen waarin er meer dan twee monsters zijn en de gegevens normaal niet worden verspreid. Het lijkt op een eenrichtingsvariantieanalyse. De Friedman-variantieanalyse per rang kan worden gebruikt wanneer er drie of meer waarnemingen van een enkele variabele in een enkele groep zijn.