در توضیح آزمون های آماری که تا اینجا داشتیم، به روش هایی پرداختیم که برای تخمین ویپگی های جامعه آماری، از نمونه گیری استفاده می کرد.
این ویپگی های جامعه آماری پارامتر نامیده می شود و از روش های آماری آن به عنوان روش های پارامتریک یاد می گردد.
به علاوه، آمار پارامتریک زمانی مورد استفاده قرار می گیرد که محقق فرض می کند که جامعه آماری دارای توزیع نرمال است، واریانس گروه های مختلف دارای همگونی است و مقیاس داده ها، فاصله ای یا نسبی است.
مادامی که مفروضات آمار پارامتریک برای بیشتر قسمت های مطالعه صادق باشد، محقق از آزمون T، ANOVA، ANCOVA، MANOVA یا برخی از روش های پارامتریک دیگر استفاده می کند.
اگر این فرضیات مشاهده نشود- یعنی اگر مقیاس داده ها فاصله ای یا نسبی نباشد یا به صورت نرمال توزیع نشده باشد- محقق باید استفاده از آزمون ناپارامتریک متناظر با آزمون پارامتریک را مورد توجه قرار دهد.
برای بیشتر روش های پارامتریک می توان یک آزمون ناپارامتریک متناظر را به کاربرد.
تعبیر و تفسیر نتایج در هر نوع آزمون، شبیه به هم است.
تفاوت آنها در جداول و معاملات محاسباتی است که برای تعیین سطح معناداری نتایج، استفاده می شود.
هر دو روش، فرضیه ای را می آزماید و سطح معناداری را برای رد فرضیه صفر گزارش می دهد.
با این وجود، برخلاف آزمون پارامتریک، آزمون های ناپارامتریک فرضیات مربوط به ویژگی های یک جامعه آماری را مورد آزمون قرار نمی دهند.
بلکه روش های ناپارامتریک فرضیات مربوط به روابط بین متغیرهای طبقه ای، شکل های توزیع و نرمال بودن توزیع را می آزمایند.
در حالی که روش های پارامتریک از میانگین ها استفاده می کنند، فنون ناپارامتریک با فراوانی ها، درصدها و نسبت ها سر و کار دارند.
آزمون های پارامتریک به طور کلی در یافتن تفاوت های معنادار، قوی تر عمل می کنند و حتی زمانی که همه مفروضات آن برقرار نیستند نیز به کرات مورد استفاده قرار می گیرند.
جدول 4.2 اسامی آزمون های ناپارامتریک را نشان می دهد.
این آزمون ها متناظر با آزمون های پارامتریکی هستند که قبلاً مورد بحث قرار گرفته است.
در ادامه، هر یک از این آزمون ها به طور خلاصه شرح داده خواهد شد.
