Contenuto
I test statistici vengono utilizzati per determinare se una relazione ipotizzata tra variabili ha un significato statistico. In genere, il test misurerà il grado in cui le variabili sono correlate o differiscono. I test parametrici sono quelli che si basano sulle tendenze centrali delle variabili e assumono una distribuzione normale. I test non parametrici non fanno ipotesi sulle distribuzioni della popolazione.
T-test
Il t-test è un test parametrico che confronta le medie dei campioni e delle popolazioni coinvolte. Esistono diverse varietà di test t. Un test t per un campione confronta la media di un campione con una media ipotizzata. Un test t per campioni indipendenti verifica se le medie di due diversi campioni hanno valori simili. Un test t di esempio associato viene utilizzato quando vi sono due osservazioni da confrontare per ciascun soggetto nel campione. Il test t è progettato per dati numerici che hanno una distribuzione normale.
Dati ordinali
I dati ordinali sono dati derivati che descrivono i valori relativi di ciascuna unità nel campione. Ad esempio, i dati ordinali delle altezze di 10 studenti in una classe sarebbero semplicemente i numeri da 1 a 10, dove 1 potrebbe rappresentare lo studente più breve e 10 potrebbe rappresentare lo studente più alto. Nessuno studente avrebbe lo stesso valore se non avesse esattamente la stessa altezza. Le misure di tendenza centrale non hanno senso con i dati ordinali.
Inadeguatezza del test T.
I test T non sono appropriati per l'uso con i dati ordinali. Poiché i dati ordinali non hanno una tendenza centrale, non hanno nemmeno una distribuzione normale. I valori dei dati ordinali sono distribuiti uniformemente, non raggruppati attorno a un punto medio. Per questo motivo, un test t di dati ordinali non avrebbe alcun significato statistico.
Altri test appropriati
Esistono tre test di significato statistico che sono appropriati da utilizzare con i dati ordinali. La correlazione di ordine di rango di Spearman è appropriata da usare quando sono coinvolte solo due variabili e la loro relazione è monotona, sebbene non necessariamente lineare. Nelle relazioni monotoniche, all'aumentare della prima variabile, non vi è alcun cambiamento nella direzione della seconda variabile. Il test Kruskal-Wallis è progettato per casi in cui vi sono più di due campioni e i dati non vengono normalmente distribuiti. È simile a un'analisi unidirezionale della varianza. L'analisi di Friedman della varianza per gradi può essere utilizzata quando vi sono tre o più osservazioni di una singola variabile in un singolo gruppo.