Que signifie la méthode non paramétrique?
La méthode non paramétrique fait référence à un type de statistique qui n'exige pas que la population analysée respecte certaines hypothèses ou certains paramètres. Des méthodes statistiques bien connues telles que l'ANOVA, la corrélation de Pearson, le test t et d'autres ne fournissent des informations valides sur les données analysées que si la population sous-jacente répond à certaines hypothèses. L'une des hypothèses les plus courantes est que les données démographiques ont une «distribution normale».
Cependant, des statistiques paramétriques peuvent également être appliquées à des populations ayant d'autres types de distribution connus. Les statistiques non paramétriques n'exigent pas que les données démographiques satisfassent aux hypothèses requises pour les statistiques paramétriques. Par conséquent, les statistiques non paramétriques entrent dans une catégorie de statistiques parfois appelées sans distribution. Souvent, des méthodes non paramétriques seront utilisées lorsque les données de population ont une distribution inconnue, ou lorsque la taille de l'échantillon est petite.
Explication de la méthode non paramétrique
Les méthodes paramétriques et non paramétriques sont souvent utilisées sur différents types de données. Les statistiques paramétriques nécessitent généralement des données d'intervalle ou de rapport. Un exemple de ce type de données est l'âge, le revenu, la taille et le poids dans lesquels les valeurs sont continues et les intervalles entre les valeurs ont une signification.
En revanche, les statistiques non paramétriques sont généralement utilisées sur des données nominales ou ordinales. Les variables nominales sont des variables pour lesquelles les valeurs n'ont pas de valeur quantitative. Les variables nominales courantes dans la recherche en sciences sociales, par exemple, incluent le sexe, dont les valeurs possibles sont des catégories distinctes, «homme» et «femme». »Les autres variables nominales communes dans la recherche en sciences sociales sont la race, l'état matrimonial, le niveau d'éducation et le statut d'emploi (salariés versus chômeurs).
Les variables ordinales sont celles dans lesquelles la valeur suggère un certain ordre. Un exemple de variable ordinale serait si un répondant au sondage demandait: «Sur une échelle de 1 à 5, 1 étant extrêmement insatisfait et 5 extrêmement satisfait, comment évalueriez-vous votre expérience avec le câblodistributeur?
Bien que les statistiques non paramétriques aient l'avantage de devoir répondre à quelques hypothèses, elles sont moins puissantes que les statistiques paramétriques. Cela signifie qu'ils peuvent ne pas montrer de relation entre deux variables alors qu'en fait une existe.
Les tests non paramétriques courants incluent le Chi Square, le test de somme de rang de Wilcoxon, le test de Kruskal-Wallis et la corrélation d'ordre de rang de Spearman.
