Nieparametryczne odpowiedniki testów T-Studenta stosujemy gdy zmienne mierzone są na skalach porządkowych (nie można liczyć średniej) lub kiedy mierzone są na skalach ilościowych, a nie są spełnione wymagania testów T-Studenta. Testy nieparametryczne stosujemy również gdy nie można zastosować testu chi kwadrat
1. Dla dwóch prób niezależnych : Test U Manna-Whitneya
2. Dla więcej niż dwóch prób niezależnych : Test H Kruskala-Wallisa 3. Dla prób zależnych: Test Wilcoxona
Wartości nieparametrycznych testów statystycznych obliczane są z wykorzystaniem rang.
Ranga to kolejny numer obserwacji w szeregu statystycznym uporządkowanym według wartości analizowanej zmiennej. Zwykle stosuje się uporządkowanie rosnące i numerowanie od 1.
Obserwacjom o równej wartości rangowanej zmiennej (rangi wiązane) przypisuje się identyczną rangę, równą średniej z ich kolejnych numerów. Rangi mogą mieć wartości niecałkowite.
Wiek
Obserwacja
Ranga
Akceptacja
Obserwacja
Ranga
18
1
1
2
1
1,5
19
2
2
2
2
1,5
25
3
3
3
3
4,5
35
4
4
3
4
4,5
36
5
5
3
5
4,5
37
6
6
3
6
4,5
40
7
7
4
7
7
43
8
8
5
8
9
50
9
9
5
9
9
51
10
10
5
10
9
Czy płeć różnicuje opinię dotyczącą stosowania kar w wychowaniu
Mężczyźni wyżej oceniają skuteczność stosowania kar w wychowaniu niż kobiety
Nie ma różnicy w ocenie skuteczności stosowania kar wśród kobiet i mężczyzn, rozkłady odpowiedzi kobiet i mężczyzn nie różnią się
Test U Manna-Whitneya pozwala ustalić czy różnica pomiędzy grupami jest istotna statystycznie, czyli czy możemy odrzucić hipotezę zerową (która zakłada, że rozkłady nie różnią się) przy ustalonym poziomie istotności.
Czy uważasz, że karanie dzieci jest skuteczną metodą wychowania? Zdecydowanie tak Raczej tak Ani tak ani nie Raczej nie Zdecydowanie nie
Kodowanie 5 4 3 2 1
Uporządkowanie rang: najmniejsza ranga (1) – „zdecydowanie nie”
W celu policzenia w programie SPSS testu U Manna-Whitneya wybieramy menu Analiza >Testy nieparametryczne >Testy tradycyjne > Dwie próby niezależne
1. Zmienną, której rangi w obu grupach chcemy porównać (Karanie) przesuwamy do okienka po prawej stronie Zmienne testowane 2. Do okienka Zmienna grupująca przesuwamy zmienną, która wyznacza porównywane grupy (Płeć) 3. Wybieramy przycisk [Definiuj grupy], aby wpisać kody wartości zmiennej grupującej oznaczające porównywane kategorie (1- kobiety, 2 – mężczyźni) 4. Akceptujemy [OK]
p-wartość
• Jeśli istotność testu (p-wartość) jest mniejsza od 0,05 to odrzucamy hipotezę zerową zakładającą brak różnic rozkładów. Przyjmujemy, że rozkłady różnią się istotnie statystycznie (pTesty tradycyjne > K prób niezależnych
1. Zmienną, której rangi w trzech grupach chcemy porównać (Kontynuowanie nauki na studiach) przesuwamy do okienka po prawej stronie Zmienne testowane 2. Do okienka Zmienna grupująca przesuwamy zmienną, która wyznacza porównywane grupy (Profil klasy) 3. Wybieramy przycisk [Definiuj grupy], aby wpisać kody wartości zmiennej grupującej wyznaczające zakres porównywanych grup (1 – kod najmniejszy , 3 – kod największy) 4. Akceptujemy [OK]
• Jeśli istotność testu (p-wartość) jest mniejsza od 0,05 to odrzucamy hipotezę zerową zakładającą równość rozkładów. Przyjmujemy, że rozkłady różnią się istotnie statystycznie (pTesty nieparametryczne >Testy tradycyjne > Dwie próby zależne
1. Zmienne, które chcemy porównać (Agresja_przed, Agresja_po) przesuwamy do okienka po prawej stronie 2. Akceptujemy [OK]
• Jeśli istotność testu (p-wartość) jest mniejsza od 0,05 to odrzucamy hipotezę zerową zakładającą równość rang (takie same rozkłady) . Przyjmujemy, że rozkłady różnią się istotnie statystycznie (p
