ノンパラメトリック法とはどういう意味ですか？
ノンパラメトリック法とは、分析対象の母集団が特定の仮定またはパラメーターを満たすことを必要としないタイプの統計を指します。 ANOVA、Pearsonの相関、t検定などの有名な統計手法は、基礎となる母集団が特定の仮定を満たしている場合にのみ、分析対象のデータに関する有効な情報を提供します。 最も一般的な仮定の1つは、母集団データに「正規分布」があることです。
ただし、パラメトリック統計は、他の既知の分布タイプの母集団にも適用できます。 ノンパラメトリック統計では、母集団データがパラメトリック統計に必要な仮定を満たす必要はありません。 したがって、ノンパラメトリック統計は、分布なしと呼ばれることもある統計のカテゴリに分類されます。 多くの場合、母集団データの分布が不明な場合、またはサンプルサイズが小さい場合、ノンパラメトリック手法が使用されます。
ノンパラメトリック法の説明
多くの場合、パラメトリックおよびノンパラメトリックメソッドはさまざまなタイプのデータで使用されます。 通常、パラメトリック統計には間隔または比率のデータが必要です。 このタイプのデータの例は、年齢、収入、身長、体重であり、値は連続しており、値の間隔には意味があります。
対照的に、ノンパラメトリック統計は通常、名義または順序のデータで使用されます。 公称変数は、値に定量的な値がない変数です。 たとえば、社会科学研究の一般的な名義変数には、性別が含まれます。その可能性のある値は、「男性」と「女性」です。 （雇用対失業）。
順序変数は、値が何らかの順序を示唆する変数です。 順序変数の例は、調査回答者が「1から5までのスケールで、1が非常に不満、5が非常に満足である場合、ケーブル会社での経験をどのように評価しますか？」
ノンパラメトリック統計には、いくつかの仮定を満たす必要があるという利点がありますが、パラメトリック統計ほど強力ではありません。 これは、実際には1つの変数が存在する場合でも、2つの変数間の関係が表示されない可能性があることを意味します。
一般的なノンパラメトリック検定には、カイ二乗、ウィルコクソンのランクサム検定、クラスカル・ワリス検定、スピアマンの順位相関が含まれます。
