آزمون پارامتریک
آزمون هایی که برای مشاهدات پیوسته (متغیرهای فاصله ای) بکاربرده میشوند را آزمون های پارامتریک میگویند (چون توزیع متغیرهای پیوسته را میتوان بوسیلهی میانگین که از پارامترهای جامعه آماری است سنجید، به این آزمون ها پارامتریک گویند. توزیع متغیر مورد نظر باید به منحنی نرمال نزدیک باشد).آزمون های پارامتریک، آزمون هایی هستند که توان آماری بالا و قدرت پرداختن به داده های جمع آوری شده در طرح های پیچیده را دارند. در این آزمون ها داده ها توزیع نرمال دارند (مانند آزمون تی). آزمون های پارامتریک بر مبنای فرضیاتی در مورد توزیع جامعه آماری و پارامترهای جامعه آماری است (آزمون آماره T، F، Z)
پیش فرض های آزمون های پارامتریک
آزمون های پارامتری t و F را زمانی میتوان مورد استفاده قرار داد که پیش فرض های ذیل در خصوص دادههای مورد بررسی صادق باشد. این پیش فرض ها عبارتند از :
توزیع داده در جامعه، نرمال و یا نزدیک به نرمال باشد.
واریانس نمونه ها برابر یا تقریبا برابر باشد(نکته : جهت تایید فرض برابری واریانس ها، سطح معناداری میباید بیشتر از .0.05 باشد)
داده ها در سطح سنجش فاصله ای و نسبی باشند.
نکته 1: اگر گروههای مورد بررسی اندازه یکسانی داشته باشند، در این صورت فرض برابری واریانس نمونه ها چندان مهم نیست. در ضمن در جامعه نمونه بزرگ نیز حتی اگر واریانس یک گروه دوبرابر دیگری باشد باز هم میتوان از آزمون های پارامتری استفاده کرد.
نکته 2: اگر اطلاعات جمع آوری شده این سه شرط را نداشته باشند، میتوان دادههای فوق را به غیر پارامتری (ناپارامتری) تبدیل کرد و از روش های آماری غیر پارامتری استفاده کرد. روش عمده برای تبدیل دادههای پارامتری به غیر پارامتری (ناپارامتری)، رتبه بندی کردن (تبدیل دادههای فاصله ای یا نسبی به دادههای ترتیبی) آنهاست.
شرایط استفاده از آزمون های پارامتریک Parametric tests
مقیاس اندازه گیری فاصله ای باشد
توزیع متغیر وابسته نرمال باشد
اگر شرایط فوق برقرار نباشد از آزمون های غیر پارامتریک (ناپارامتریک) Non-parametric استفاده می شود.
آزمون های پارامتریک به صورت زیر هستند:
آزمون T تک نمونه ای
آزمون T دو نمونه مستقل
آزمون T مقایسه زوجی