Kan du bruge en T-test på klassificerede data?

Statistiske tests bruges til at bestemme, om et hypotetisk forhold mellem variabler har statistisk betydning. Typisk måles testen i hvilken grad variablerne enten korrelerer eller adskiller sig. Parametriske test er de, der er afhængige af variablernes centrale tendenser og antager en normal fordeling. Ikke-parametriske test gør ikke antagelser om befolkningsfordelingen.

T-test

T-testen er en parametrisk test, der sammenligner middelværdien af ​​de involverede prøver og populationer. Der er flere sorter af t-test. En one-sample t-test sammenligner gennemsnittet af en prøve med et hypoteset gennemsnit. En uafhængig prøve t-test ser på, om midlerne til to forskellige prøver har tilsvarende værdier. En parret prøve t-test anvendes, når der er to observationer at sammenligne for hvert emne i prøven. T-testen er designet til numeriske data, der har en normal fordeling.

Ordinaldata

Ordinære data er afledte data, der beskriver de relative værdier for hver enhed i prøven. Ordinære data af højder på 10 elever i et klasseværelse ville simpelthen være tallene 1 til 10, hvor 1 kan repræsentere den korteste elev og 10 kunne repræsentere den højeste elev. Ingen elever ville have samme værdi, medmindre de havde nøjagtig samme højde. Foranstaltninger af central tendens er meningsløse med ordinære data.

Utilstrækkelighed af T-test

T-test er ikke hensigtsmæssige at bruge med ordinære data. Fordi ordinære data ikke har nogen central tendens, har den heller ingen normal fordeling. Værdierne af ordinære data er jævnt fordelt, ikke grupperet omkring et midtpunkt. På grund af dette ville en t-test af ordinære data ikke have nogen statistisk betydning.

Andre egnede tests

Der er tre tests af statistisk betydning, der er passende at bruge med ordinære data. Spearmans rangordenskorrelation er hensigtsmæssig at bruge, når der kun er to variable involveret, og deres forhold er monotoniske, men ikke nødvendigvis lineære. I monotoniske forhold, som den første variabel stiger, er der ingen ændring i retningen af ​​den anden variabel. Kruskal-Wallis-testen er designet til tilfælde, hvor der er mere end to prøver, og dataene distribueres normalt ikke. Det ligner en envejsanalyse af varians. Friedman-analysen af ​​varians for rækker kan bruges, når der er tre eller flere observationer af en enkelt variabel i en enkelt gruppe.