Sadržaj
Statistički testovi koriste se za utvrđivanje ima li hipotetizirani odnos između varijabli statistički značaj. Ispitivanjem će se mjeriti stupanj do kojeg varijable koreliraju ili se razlikuju. Parametrijski testovi su oni koji se oslanjaju na središnje tendencije varijabli i pretpostavljaju normalnu raspodjelu. Neparametarski testovi ne daju pretpostavke o distribuciji stanovništva.
T-test
T-test je parametrijski test koji uspoređuje sredstva uključenih uzoraka i populacija. Postoji nekoliko sorti t-testova. T-test jednog uzorka uspoređuje srednju vrijednost uzorka s hipoteziranom sredinom. Neovisni t-test provjerava imaju li sredstva dva različita uzorka slične vrijednosti. T-test uparenog uzorka koristi se kada postoje dva opažanja za usporedbu za svaki subjekt u uzorku. T-test je dizajniran za numeričke podatke koji imaju normalnu distribuciju.
Obični podaci
Uobičajeni podaci su izvedeni podaci koji opisuju relativne vrijednosti svake jedinice u uzorku. Na primjer, redovni podaci o visini 10 učenika u učionici jednostavno bi bili brojevi 1 do 10, pri čemu 1 može predstavljati najkraćeg učenika, a 10 može predstavljati najvišeg učenika. Nijedan učenik ne bi imao istu vrijednost ako ne bi imali točno istu visinu. Mjere središnje tendencije besmislene su rednim podacima.
Neprikladnost T-testa
T-testovi nisu prikladni za upotrebu s ordinalnim podacima. Budući da redni podaci nemaju središnju tendenciju, također nemaju normalnu distribuciju. Vrijednosti ordinalnih podataka ravnomjerno su raspoređene, a nisu grupirane oko srednje točke. Zbog toga t-test ordinalnih podataka ne bi imao statističko značenje.
Ostala odgovarajuća ispitivanja
Postoje tri ispitivanja od statističkog značaja koja su prikladna za upotrebu sa rednim podacima. Spearmanova veza između redoslijeda i redoslijeda prikladna je za upotrebu kada su uključene samo dvije varijable i njihov je odnos monoton, iako ne nužno i linearan. U monotonim odnosima, kako se povećava prva varijabla, nema promjene smjera druge varijable. Kruskal-Wallisov test dizajniran je za slučajeve kada ima više od dva uzorka, a podaci se normalno ne distribuiraju. To je slično jednosmjernoj analizi varijance. Friedmanova analiza varijance po rangovima može se upotrijebiti ako u jednoj grupi postoje tri ili više promatranja pojedine varijable.