Skip to content
بازگشت به نتایج جست‌وجو

آزمون‌های آماری ناپارامتری

معرفی‌شده توسط
Henry Mann and Donald Whitney
سال
1947
نوع
Method
خانواده
distribution-free-methods

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

آزمون‌های ناپارامتری (بدون توزیع) روش‌های آماری برای آزمون فرض هستند که فرض نمی‌کنند داده‌ها از یک توزیع احتمال خاص (مانند توزیع نرمال) پیروی می‌کنند، که این امر آن‌ها را در برابر انحراف از نرمال بودن، داده‌های پرت و داده‌های ترتیبی مقاوم می‌سازد. آزمون U مان-ویتنی (۱۹۴۷) و آزمون کروسکال-والیس (۱۹۵۲) آزمون فرض را فراتر از محدودیت‌های مفروضات پارامتری گسترش می‌دهند. این آزمون‌ها که در زیست‌شناسی، پزشکی، روان‌شناسی و هر میدانی که داده‌ها غیرنرمال، بسیار چولگی‌دار یا در مقیاس‌های ترتیبی (رتبه‌بندی، درجه‌بندی) اندازه‌گیری شده‌اند، ضروری هستند، زمانی که مفروضات پارامتری شکست می‌خورند، استنتاج معتبری را فراهم می‌کنند.

شهود پشت روش

آزمون‌های پارامتری (آزمون t، ANOVA) توزیع‌های نرمال و واریانس‌های برابر را فرض می‌کنند؛ نقض این مفروضات می‌تواند منجر به مقادیر p و فواصل اطمینان نادرست شود. آزمون‌های ناپارامتری با رتبه‌بندی مشاهدات، از مفروضات توزیعی اجتناب می‌کنند: به جای تجزیه و تحلیل مقادیر خام، داده‌ها را به رتبه‌ها (کوچکترین اول، دومین کوچکترین، ...، بزرگترین) تبدیل می‌کنند و آزمون می‌کنند که آیا توزیع رتبه‌ها بین گروه‌ها متفاوت است یا خیر. از آنجایی که رتبه‌ها اعداد صحیح و حفظ‌کننده ترتیب هستند، در برابر داده‌های پرت، عدم نرمال بودن و ناهمگنی واریانس مقاوم هستند. بده‌بستان: آزمون‌های ناپارامتری در شرایط ایده‌آل (داده‌های نرمال، واریانس برابر) قدرت را فدا می‌کنند اما در شرایط واقعی، استحکام و اعتبار را به دست می‌آورند. رویه مدرن: آزمون‌های ناپارامتری را به طور گسترده استفاده کنید؛ آن‌ها مقاوم هستند و اغلب تقریباً به اندازه جایگزین‌های پارامتری قدرتمند هستند.

تاریخ

هنری مان و دونالد ویتنی آزمون U را در سال ۱۹۴۷ برای مقایسه دو نمونه توسعه دادند. ویلیام کروسکال و آلن والیس رویکرد را در سال ۱۹۵۲ به نمونه‌های متعدد گسترش دادند. فرانک ویلکاکسون به طور مستقل آزمون‌های رتبه نمونه جفتی (آزمون رتبه علامت‌دار، ۱۹۴۵) را توسعه داد. چارلز اسپیرمن زودتر همبستگی رتبه را معرفی کرد (۱۹۰۴). این روش‌ها تا زمانی که محاسبات مدرن محاسبات دستی را منسوخ نکردند، غیرفعال ماندند. احیای فعلی ناشی از موارد زیر است: (۱) تشخیص اینکه بسیاری از مجموعه داده‌ها غیرنرمال هستند، (۲) داده‌های ترتیبی همه‌جا حاضر هستند (نظرسنجی‌ها، درجه‌بندی‌ها)، (۳) فلسفه آماری مقاوم که بر محافظت در برابر نقض فرض تأکید دارد.

چه زمانی استفاده شود

هنگامی که مفروضات آزمون پارامتری نقض می‌شوند و تبدیل (لگاریتمی، ریشه دوم) نمی‌تواند داده‌ها را نرمال کند، یا زمانی که داده‌ها ذاتاً ترتیبی هستند، از آزمون‌های ناپارامتری استفاده کنید. روان‌شناسی: تجزیه و تحلیل پاسخ‌های مقیاس لیکرت (ترتیبی، اغلب غیرنرمال)؛ بسیاری از مطالعات از مقیاس‌هایی با کمتر از ۱۰ دسته استفاده می‌کنند که در آن‌ها نرمال بودن نامحتمل است. پزشکی: مقایسه مقادیر بیومارکر در گروه‌های درمانی زمانی که اندازه‌گیری‌ها بسیار چولگی‌دار هستند (به عنوان مثال، برخی بیماران با مقادیر صفر، برخی دیگر با مقادیر بالا). زیست‌شناسی: ارزیابی معیارهای مبتنی بر رتبه (رتبه‌بندی فراوانی گونه‌ها، رتبه‌بندی مسابقات). همچنین از روش‌های ناپارامتری به عنوان پیش‌فرض در تجزیه و تحلیل اکتشافی اولیه زمانی که توزیع داده‌ها ناشناخته است، استفاده کنید؛ اگر نتایج با آزمون‌های پارامتری همسو باشند، رویکرد پارامتری احتمالاً برای تجزیه و تحلیل تأییدی ایمن است.

محدودیت‌ها و ملاحظات

  • از دست دادن قدرت در شرایط ایده‌آل: زمانی که داده‌ها واقعاً به طور نرمال توزیع شده‌اند و واریانس‌های برابر دارند، آزمون‌های ناپارامتری ۵ تا ۱۵ درصد قدرت را در مقایسه با آزمون t از دست می‌دهند (کارایی نسبی مجانبی ~۰.۹۵).
  • کمتر توسعه یافته برای طرح‌های پیچیده: معادل‌های ناپارامتری کمتری برای ANOVA فاکتوریل، MANOVA، یا تعدیل کوواریت پیچیده وجود دارد؛ روش‌های ناپارامتری چند سطحی کمتر استاندارد هستند.
  • اندازه اثر کمتر استاندارد شده: برخلاف آزمون‌های پارامتری با معیارهای اندازه اثر تثبیت شده (مانند کوهن d)، اندازه‌های اثر ناپارامتری (مانند r، ضریب همبستگی رتبه-دو‌تایی) در عمل کمتر رایج هستند.
  • آزمون پس از مقایسه پیچیده: مقایسه‌های دوتایی پس از کروسکال-والیس کمتر استاندارد شده‌اند؛ جریمه‌های تصحیح آزمون‌های چندگانه ممکن است قدرت را کاهش دهند.
  • محدود به آزمون‌های مکان یا وابستگی: روش‌های ناپارامتری عمدتاً آزمون می‌کنند که آیا توزیع‌ها متفاوت هستند؛ نمی‌توانند پارامترها را تخمین بزنند یا فرضیه‌های خاصی در مورد ساختار میانگین آزمون کنند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • مقاوم در برابر عدم نرمال بودن و داده‌های پرت: مقادیر p معتبر حتی زمانی که داده‌ها به شدت غیرنرمال هستند یا حاوی مقادیر افراطی هستند که قابل حذف نیستند.
  • با داده‌های ترتیبی کار می‌کند: می‌تواند مقیاس‌های لیکرت، رتبه‌بندی‌ها یا سایر دسته‌های مرتب شده را تجزیه و تحلیل کند؛ آزمون‌های پارامتری داده‌های پیوسته را فرض می‌کنند، که این امر آن‌ها را از نظر فنی برای داده‌های ترتیبی نامعتبر می‌سازد.
  • محاسبات ساده: آماره‌های مبتنی بر رتبه بصری و از نظر محاسباتی ساده هستند؛ می‌توانند برای نمونه‌های کوچک به صورت دستی محاسبه شوند.
  • بدون توزیع: هیچ توزیع احتمال خاصی را فرض نمی‌کنند، که این امر آن‌ها را برای انواع مختلف داده‌ها قابل استفاده می‌سازد.
  • قدرت آماری خوب تحت نقض مفروضات پارامتری: زمانی که مفروضات پارامتری نادرست هستند، آزمون‌های ناپارامتری قدرتمندتر از آزمون‌های پارامتری هستند که مقادیر p نامعتبر تولید می‌کنند.

کاربردها

  • تحقیقات روان‌شناختی: مقایسه پاسخ‌های مقیاس لیکرت (رضایت شغلی، شدت افسردگی) بین گروه‌های درمانی؛ درجه‌بندی‌ها معمولاً ترتیبی و غیرنرمال هستند.
  • پزشکی بالینی: تجزیه و تحلیل سطوح بیومارکر (اغلب با محدودیت‌های تشخیص چولگی‌دار) قبل/بعد از درمان؛ مقایسه درجه‌بندی شدت علائم.
  • بهداشت شغلی: رتبه‌بندی مواجهه‌های خطر در سراسر محل کار یا مقایسه معیارهای ایمنی ترتیبی؛ جایگزین‌های عملی برای روش‌های پارامتری.
  • ارزیابی آموزشی: مقایسه نمرات یا رتبه‌بندی‌ها در سراسر مدارس یا روش‌های تدریس؛ سازگار با توزیع نمرات که غیرنرمال هستند.
  • کنترل کیفیت: رتبه‌بندی شدت نقص یا مقایسه معیارهای کیفیت ترتیبی در دسته‌های تولید بدون فرض نرمال بودن.

چگونه کار می‌کند

چگونه کار می‌کند

1

آزمون‌های ناپارامتری را زمانی اجرا کنید که: (۱) داده‌های پیامد غیرنرمال باشند (نمودارهای Q-Q، آزمون شاپیرو-ویلک را بررسی کنید)، (۲) داده‌ها ترتیبی باشند (رتبه‌ها، درجه‌بندی‌ها، مقیاس‌ها با مقادیر محدود)، (۳) حجم نمونه کوچک باشد (< ۳۰) که در آن نرمال بودن قابل تأیید نیست، (۴) داده‌های پرت وجود داشته باشند که قابل توجیه یا حذف نباشند، (۵) واریانس‌ها نابرابر باشند (ناهمگنی واریانس). جمع‌آوری داده‌ها مانند آزمون‌های پارامتری است؛ طراحی نمونه ویژه لازم نیست. الزام کلیدی: مشاهدات باید مستقل باشند (بدون اندازه‌گیری‌های تکراری بدون تعدیل)؛ داده‌ها باید قابل رتبه‌بندی باشند (بتوان ترتیب نسبی را تعیین کرد). با داده‌های پیوسته، ترتیبی یا دودویی کار می‌کند.

2

برای دو گروه مستقل، از آزمون U مان-ویتنی (جایگزین ناپارامتری آزمون t مستقل) استفاده کنید: (۱) تمام مشاهدات را از کوچکترین به بزرگترین رتبه‌بندی کنید، با نادیده گرفتن عضویت گروه. (۲) رتبه‌های هر گروه را جمع بزنید (R₁ و R₂). (۳) U₁ = n₁n₂ + [n₁(n₁+1)/2] − R₁ و U₂ = n₁n₂ + [n₂(n₂+1)/2] − R₂ را محاسبه کنید. (۴) آماره آزمون U = min(U₁, U₂). (۵) مقدار p را از جداول توزیع مان-ویتنی (برای نمونه‌های کوچک) یا تقریب نرمال (برای نمونه‌های بزرگ) به دست آورید. اندازه اثر را گزارش کنید: r = Z / √n که در آن Z آماره آزمون استاندارد شده و n حجم کل نمونه است؛ r ≈ ۰.۱ کوچک، ۰.۳ متوسط، ۰.۵ بزرگ. برای سه گروه مستقل یا بیشتر، از آزمون کروسکال-والیس استفاده کنید: رویکرد مشابه اما آماره مجموع رتبه کلی H را که از توزیع χ² با k−۱ درجه آزادی پیروی می‌کند، محاسبه می‌کند. برای داده‌های جفتی (اندازه‌گیری‌های تکراری)، از آزمون رتبه علامت‌دار ویلکاکسون استفاده کنید: تفاوت بین جفت‌ها رتبه‌بندی شده و در برابر صفر آزمون می‌شوند. برای همبستگی، از ضریب همبستگی رتبه‌ای اسپیرمن ρ استفاده کنید: همبستگی رتبه‌ها به جای مقادیر خام.

3

تفسیر مقدار p مشابه آزمون‌های پارامتری است: p < ۰.۰۵ نشان‌دهنده تفاوت آماری معنی‌دار بین گروه‌ها (در سطح متعارف) است. با این حال، به دلیل استفاده از رتبه‌ها، اندازه اثر و تفسیر کمی متفاوت است. آزمون U مان-ویتنی پاسخ می‌دهد: آیا توزیع گروه ۱ از نظر تصادفی بزرگتر از گروه ۲ است؟ (یعنی آیا مقادیر در گروه ۱ تمایل به بالاتری دارند؟). تفاوت میانه اغلب برای تفسیر عملی تخمین زده می‌شود، اما از نظر فنی آزمون توزیع‌ها را مقایسه می‌کند، نه فقط میانه‌ها را. اندازه اثر r معیاری استاندارد شده از جدایی گروه‌ها را فراهم می‌کند. برای کروسکال-والیس، مقدار p معنی‌دار نشان می‌دهد که حداقل دو گروه متفاوت هستند؛ آزمون‌های U مان-ویتنی دوتایی پس از آزمون، جفت‌های مورد نظر را شناسایی می‌کنند (با تصحیح بونفرونی). برای اسپیرمن ρ، تفسیر مشابه پیرسون r است؛ مقادیر از −۱ تا +۱ متغیر هستند؛ ρ مثبت نشان‌دهنده رتبه‌های هم‌خوان است.

دام‌های رایج

  • سوء تفاهم در مورد آنچه آزمون می‌شود: آزمون U مان-ویتنی آزمون می‌کند که آیا توزیع‌ها متفاوت هستند، نه فقط میانه‌ها؛ دو توزیع می‌توانند میانه‌های برابر اما شکل‌های متفاوتی داشته باشند. همیشه توزیع‌ها را به صورت بصری بررسی کنید.
  • اعمال آزمون‌های ناپارامتری بر روی داده‌هایی که به وضوح نرمال هستند: قدرت را هدر می‌دهد؛ زمانی که مفروضات برآورده می‌شوند از آزمون‌های پارامتری استفاده کنید.
  • استفاده از آزمون‌های ناپارامتری بر روی داده‌های به شدت دسته‌بندی شده بدون روش‌های مناسب: داده‌های ترتیبی (به عنوان مثال، مقیاس لیکرت ۵ امتیازی) که با آزمون U مان-ویتنی تجزیه و تحلیل می‌شوند ممکن است معتبر باشند، اما با تنها ۲ دسته (دودویی)، آزمون‌های ناپارامتری مبتنی بر رتبه به آزمون مربع کای فرو می‌ریزند.
  • عدم بررسی فرض استقلال: آزمون‌های ناپارامتری مشاهدات مستقل را فرض می‌کنند؛ طرح‌های خوشه‌ای، اندازه‌گیری‌های تکراری یا جفت شده نیاز به تعدیل دارند (آزمون فریدمن برای اندازه‌گیری‌های تکراری، طبقه‌بندی برای جفت شده‌ها).
  • دودویی کردن متغیرهای پیوسته: تبدیل داده‌های پیوسته (سن) به ترتیبی (جوان/پیر) و سپس اعمال آزمون‌های ناپارامتری باعث از دست رفتن اطلاعات می‌شود. در صورت امکان، فرم پیوسته را حفظ کنید.
  • تفسیر اندازه‌های اثر مبتنی بر رتبه به عنوان اندازه‌های اثر عملی: یک اندازه اثر ناپارامتری r = ۰.۳ جدایی آماری را کمی می‌کند، نه اهمیت عملی. همیشه تفاوت واقعی در میانه‌ها یا میانگین‌ها را برای اهمیت عملی بررسی کنید.

پرسش‌های متداول

چه زمانی باید از آزمون U مان-ویتنی به جای آزمون t مستقل استفاده کنم؟

از آزمون U مان-ویتنی استفاده کنید اگر: (۱) داده‌ها به طور نرمال توزیع نشده‌اند (نمودار Q-Q انحراف را نشان می‌دهد، p آزمون شاپیرو-ویلک < ۰.۰۵)، (۲) واریانس‌ها نابرابر هستند (p آزمون لوین < ۰.۰۵) و حجم نمونه‌ها نابرابر است، (۳) داده‌ها ترتیبی هستند (رتبه‌بندی‌ها، درجه‌بندی‌ها)، (۴) حجم نمونه‌ها کوچک است (n < ۳۰) بنابراین نرمال بودن قابل تأیید نیست، یا (۵) داده‌های پرت وجود دارند که واقعی هستند (نه خطای اندازه‌گیری) و قابل حذف نیستند. اگر داده‌ها به وضوح نرمال و با واریانس برابر هستند، آزمون t ترجیح داده می‌شود (قدرتمندتر). در عمل، آزمون U مان-ویتنی انتخاب محافظه‌کارانه‌ای است؛ حتی برای داده‌های نرمال نیز به طور معقولی کار می‌کند (از دست دادن قدرت ~۵٪)، بنابراین استفاده گسترده از آن قابل دفاع است.

آزمون U مان-ویتنی دقیقاً چه چیزی را آزمون می‌کند - میانه‌ها یا توزیع‌ها؟

از نظر فنی، آزمون U مان-ویتنی آزمون می‌کند که آیا توزیع‌ها متفاوت هستند (غلبه تصادفی). اگر توزیع‌ها شکل یکسانی داشته باشند، آزمون تقریب‌زننده آزمون تفاوت میانه‌ها است. با این حال، دو توزیع می‌توانند میانه‌های برابر اما شکل‌های متفاوتی داشته باشند (به عنوان مثال، یکی متقارن، دیگری چولگی‌دار). برعکس، میانه‌های متفاوت مستلزم توزیع‌های متفاوت است. بهترین رویه: همیشه هر دو توزیع را با نمودارهای جعبه‌ای یا نمودارهای چگالی بصری کنید؛ بررسی داده‌های واقعی روشن می‌کند که آیا نتیجه آزمون منعکس‌کننده تفاوت میانه‌ها یا تفاوت توزیعی گسترده‌تر است. برای تفسیر عملی، هم مقدار p و هم تفاوت میانه‌ها را گزارش کنید.

چگونه با رتبه‌های گره خورده در آزمون‌های ناپارامتری برخورد کنم؟

گره‌ها (مقادیر برابر) میانگین رتبه را دریافت می‌کنند. به عنوان مثال، اگر دو مشاهده در رتبه پنجم گره بخورند، هر دو رتبه ۵.۵ را دریافت می‌کنند. این رویکرد استاندارد است و همان چیزی است که نرم‌افزارهای آماری پیاده‌سازی می‌کنند. با گره‌های زیاد، آماره آزمون ممکن است نیاز به تعدیل داشته باشد (آزمون‌های رتبه میانی، آزمون‌های جایگشتی). اگر گره‌ها بسیار رایج باشند (به عنوان مثال، بسیاری از مقادیر صفر یا داده‌های به شدت دسته‌بندی شده)، جایگزین‌ها را در نظر بگیرید: آزمون‌های جایگشتی، یا روش‌های مقاوم طراحی شده برای داده‌های گسسته.

آیا می‌توانم از آزمون‌های ناپارامتری با داده‌های مقیاس لیکرت استفاده کنم؟

بله، آزمون‌های ناپارامتری برای مقیاس‌های لیکرت (داده‌های ترتیبی) مناسب هستند. آزمون U مان-ویتنی توزیع پاسخ‌های لیکرت را بین گروه‌ها مقایسه می‌کند؛ کروسکال-والیس سه گروه یا بیشتر را مقایسه می‌کند. با این حال، با مقیاس‌هایی با دسته‌های بسیار کم (به عنوان مثال، مقیاس ۳ امتیازی) محتاط باشید: قدرت آزمون در مقایسه با داده‌های پیوسته کاهش می‌یابد. به طور جایگزین، برای مقیاس‌های لیکرت چند آیتمی (به عنوان مثال، جمع کردن چندین آیتم در یک نمره ترکیبی)، نمره ترکیبی ممکن است نرمال بودن را تقریب بزند (قضیه حد مرکزی)، که آزمون‌های پارامتری را توجیه می‌کند. از آزمون‌های ناپارامتری به عنوان یک پیش‌فرض ایمن برای معیارهای ترتیبی تک آیتمی استفاده کنید.

روش‌های مرتبط

منابع

  1. Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50–60.

    باز کردن مرجع DOI
    کپی شد.
  2. Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.

    باز کردن مرجع DOI
    کپی شد.
  3. Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons.

    باز کردن مرجع انتشار
    کپی شد.