Kiểm tra phi tham số - Tổng quan, Lý do sử dụng, Loại

Trong thống kê, kiểm định phi tham số là phương pháp phân tích thống kê không yêu cầu phân phối để đáp ứng các giả định cần thiết được phân tích (đặc biệt nếu dữ liệu không được phân phối chuẩn). Vì lý do này, chúng đôi khi được gọi là các bài kiểm tra không phân phối. Các bài kiểm tra phi tham số đóng vai trò thay thế cho các bài kiểm tra tham số như T-test hoặc ANOVA chỉ có thể được sử dụng nếu dữ liệu cơ bản đáp ứng các tiêu chí và giả định nhất định.

Kiểm tra phi tham số

Lưu ý rằng các phép thử phi tham số được sử dụng như một phương pháp thay thế cho các phép thử tham số, không phải là phương pháp thay thế chúng. Nói cách khác, nếu dữ liệu đáp ứng các giả định cần thiết để thực hiện các phép thử tham số, thì phải áp dụng phép thử tham số liên quan.

Ngoài ra, trong một số trường hợp, ngay cả khi dữ liệu không đáp ứng các giả định cần thiết nhưng kích thước mẫu của dữ liệu đủ lớn, chúng ta vẫn có thể áp dụng các bài kiểm tra tham số thay cho các bài kiểm tra phi tham số.

Các lý do nên sử dụng phép thử phi tham số

Để đạt được kết quả chính xác từ phân tích thống kê Phân tích định lượng Phân tích định lượng là quá trình thu thập và đánh giá các dữ liệu có thể đo lường và kiểm chứng được như doanh thu, thị phần và tiền lương để hiểu được hành vi và hiệu quả hoạt động của doanh nghiệp. Trong thời đại công nghệ dữ liệu, phân tích định lượng được coi là cách tiếp cận ưa thích để đưa ra các quyết định sáng suốt. , chúng ta nên biết các tình huống mà việc áp dụng các phép thử phi tham số là phù hợp. Các lý do chính để áp dụng thử nghiệm phi tham số bao gồm:

1. Dữ liệu cơ bản không đáp ứng các giả định về mẫu dân số

Nói chung, việc áp dụng các phép thử tham số đòi hỏi phải thỏa mãn các giả thiết khác nhau. Ví dụ: dữ liệu tuân theo phân phối chuẩn và phương sai tổng thể là đồng nhất. Tuy nhiên, một số mẫu dữ liệu có thể hiển thị phân phối lệch Phân phối lệch dương Trong thống kê, phân phối lệch dương (hoặc lệch phải) là một loại phân phối trong đó hầu hết các giá trị được nhóm xung quanh đuôi trái của.

Độ lệch làm cho các bài kiểm tra tham số kém mạnh mẽ hơn vì giá trị trung bình không còn là thước đo tốt nhất cho xu hướng trung tâm Xu hướng trung tâm Xu hướng trung tâm là một bản tóm tắt mô tả của tập dữ liệu thông qua một giá trị duy nhất phản ánh trung tâm của phân phối dữ liệu. Cùng với sự biến thiên vì nó bị tác động mạnh bởi các giá trị cực trị. Đồng thời, các bài kiểm tra phi tham số hoạt động tốt với các phân phối lệch và phân phối được thể hiện tốt hơn bởi trung vị.

2. Cỡ mẫu dân số quá nhỏ

Cỡ mẫu là một giả định quan trọng trong việc lựa chọn phương pháp thống kê thích hợp Các khái niệm cơ bản về thống kê về tài chính Hiểu biết vững chắc về thống kê là rất quan trọng giúp chúng ta hiểu rõ hơn về tài chính. Hơn nữa, các khái niệm thống kê có thể giúp các nhà đầu tư giám sát. Nếu cỡ mẫu lớn hợp lý, có thể sử dụng phép thử tham số áp dụng. Tuy nhiên, nếu kích thước mẫu quá nhỏ, có thể bạn không thể xác thực việc phân phối dữ liệu. Vì vậy, việc áp dụng các phép thử phi tham số là lựa chọn phù hợp duy nhất.

3. Dữ liệu được phân tích là thứ tự hoặc danh nghĩa

Không giống như kiểm tra tham số chỉ có thể hoạt động với dữ liệu liên tục, kiểm tra phi tham số có thể được áp dụng cho các kiểu dữ liệu khác như dữ liệu thứ tự hoặc danh nghĩa. Đối với các loại biến như vậy, các kiểm định phi tham số là giải pháp thích hợp duy nhất.

Các loại kiểm tra

Kiểm tra phi tham số bao gồm nhiều phương pháp và mô hình. Dưới đây là các bài kiểm tra phổ biến nhất và các đối chứng tham số tương ứng của chúng:

1. Kiểm tra Mann-Whitney U

Phép thử Mann-Whitney U là một phiên bản phi tham số của phép thử t các mẫu độc lập. Thử nghiệm chủ yếu đề cập đến hai mẫu độc lập có chứa dữ liệu thứ tự.

2. Kiểm tra Xếp hạng Đã ký của Wilcoxon

Phép thử Xếp hạng có chữ ký của Wilcoxon là một đối chứng không đối xứng của phép thử t mẫu được ghép nối. Thử nghiệm so sánh hai mẫu phụ thuộc với dữ liệu thứ tự.

3. Thử nghiệm Kruskal-Wallis

Kiểm tra Kruskal-Wallis là một phương pháp thay thế phi tham số cho ANOVA một chiều. Kiểm tra Kruskal-Wallis được sử dụng để so sánh hơn hai nhóm độc lập với dữ liệu thứ tự.

Tài nguyên bổ sung

Finance là nhà cung cấp chính thức của Chứng chỉ FMVA® Mô hình & Định giá Tài chính toàn cầu (FMVA) ™ Tham gia cùng hơn 350.600 sinh viên làm việc cho các công ty như Amazon, JP Morgan và chương trình chứng nhận Ferrari, được thiết kế để giúp bất kỳ ai trở thành nhà phân tích tài chính đẳng cấp thế giới . Để tiếp tục học hỏi và thăng tiến sự nghiệp của bạn, các nguồn Tài chính bổ sung dưới đây sẽ hữu ích:

  • Kết hợp Kết hợp Kết hợp là một kỹ thuật toán học xác định số lượng cách sắp xếp có thể có trong một tập hợp các mục mà thứ tự của lựa chọn
  • Phân bố tần số tích lũy Phân bố tần số tích lũy Phân bố tần số tích lũy là một dạng phân bố tần số biểu thị tổng của một lớp và tất cả các lớp bên dưới nó. Nhớ tần suất đó
  • Phân phối lệch phủ định Phân phối lệch phủ định Trong thống kê, phân phối lệch âm (còn được gọi là lệch trái) là một loại phân phối trong đó nhiều giá trị hơn tập trung ở bên phải
  • Xu hướng chọn mẫu Xu hướng lựa chọn mẫu Xu hướng chọn mẫu là sai lệch do không đảm bảo sự ngẫu nhiên phù hợp của mẫu dân số. Các sai sót của việc chọn mẫu