引數化(parametric)和非引數(nonparametric)的區別

社會研究者經常構建一個假設，在這個假設中，他們假設某個普遍的規則可以應用於某個群體。他們透過使用引數或非引數的檢驗來檢驗這個假設。引數測試通常更為常見，在進行研究時，它的研究比標準測試早得多。...

社會研究者經常構建一個假設，在這個假設中，他們假設某個普遍的規則可以應用於某個群體。他們透過使用引數或非引數的檢驗來檢驗這個假設。引數測試通常更為常見，在進行研究時，它的研究比標準測試早得多。

進行一項研究的過程相對簡單——你構建一個假設，並假設某個“定律”可以應用於某一人群。然後進行測試並收集資料，然後進行統計分析。收集到的資料通常可以用圖形表示，而假設的規律則是資料的平均值。如果假設定律與均值定律相匹配，則假設成立。

然而，在某些情況下，尋找平均值並不是尋找規律的最合適的方法。總收入的分配就是一個很好的例子。如果你沒有達到平均值，那可能是因為一兩個億萬富翁擾亂了你的平均值。然而，一個中位數將給出一個更準確的平均收入結果，更可能符合你的資料。

換言之，當對總體所作的假設是明確的並且有大量可用資訊時，將使用引數檢驗。這些問題將被設計用來測量這些特定的引數，以便可以按照上述方法分析資料。當被測總體不完全已知，因此被測引數也未知時，使用非引數檢驗。此外，雖然引數檢驗使用平均值作為結果，但非引數檢驗取中值，因此通常在原始假設與資料不符時使用。

什麼是引數檢驗(a parametric test)？

引數測試是一種測試，旨在提供資料，然後透過一門稱為引數統計的科學分支進行分析。引數統計假設關於人口的一些資訊是已知的，即概率分佈。作為一個例子，身高在整個世界上的分佈是用正態分佈模型來描述的。與此類似，任何已知的分佈模型都可以應用於一組資料。然而，假設一個特定的分佈模型適合一個資料集意味著你內在地假設一些關於人口的附加資訊是已知的，正如我所提到的。概率分佈包含描述分佈確切形狀的不同引數。這些引數是引數測試所提供的–每個問題都是為了給每個被採訪的人一個特定引數的精確值而定製的。綜合起來，該引數的平均值用於概率分佈。這意味著引數檢驗也假設了一些關於總體的東西。如果假設是正確的，應用於引數檢驗提供的資料的引數統計將給出比非引數檢驗和統計更精確的結果。

什麼是非引數檢驗(a nonparametric test)？

與引數檢驗和統計學類似，非引數檢驗和統計學也是存在的。當獲得的資料不符合正態分佈曲線或序數資料時，使用它們。序數資料的一個很好的例子是，當你對某一產品或服務進行1到5的評分時，你留下的評論。通常序數資料是從使用不同排名或順序的測試中獲得的。因此，它不依賴於引數測試所依賴的引數的數字或精確值。事實上，它沒有以任何方式使用引數，因為它沒有假定某個特定的分佈。通常，引數分析優於非引數分析，但如果由於未知總體而無法進行引數檢驗，則必須採用非引數檢驗。