发帖
雷达卡
多数人都喜欢参数检验，我觉得这更多的是一种心理上的原因，当我们碰到一件新事物的时候，总希望能对他们稍微有些了解。丝毫不了解的事物我们会恐惧、茫然无措。比如鬼魂，我们不知道他是什么样子，无从描述。非参数检验也是一样，我们对数据丝毫不了解，不知道他是园的还是方的，所以很困惑，总觉得无从下手去分析。
我最近看一些统计学家的传史，发现一个有意思的现象：原来当初发明Wilcoxon秩和检验的Wilcoxon并不是个统计学家，而是个化学家，他在化学研究中发现总有一些极值影响分析结果，但这些极值是客观存在的，又不能轻易删掉，所以他就想办法来处理，结果一不小心成了统计学家。原创了Wilcoxon秩和检验方法。后来Mann和Whitney又合创了Mann-Whitney方法，结果发现与Wilcoxon结果差不多。
非参数检验时，我对数据什么都不用了解，就是直接看数据本身，将数据的散点图与纯随机分布的情形比较，就知道结果了。很多人对非参数检验存有歧视，总觉得他好像只是一个杂志的增刊，不够正式。
早在上世纪40年代的时候，皮特曼就发表了一篇文章，建立起有关参数与非参数方法的关系逻辑。他非常惊讶的发现，即使数据符合正态分布，非参数检验的结果也几乎和参数检验一样的完美。而一旦数据稍微偏离参数模型，非参数检验的结果将远远优于参数检验。
这一结果令人吃惊，是吗？但这不是巧合。很多东西都不会像我们想象的那样令人一目了然。一般人的眼里，似乎参数就是好的，非参数是不好的，但实际情形却并非如此。很多我们想当然的结果并不一定是真相，有可能只是我们的想象而已，就像当年亚里士多德所说的“总的物体理所当然比轻的下落的更快”。所以我们对任何事情，一定要有自己的主见，而不要凭想当然来判断。
当年的Wilcoxon并不是学统计学的，皮特曼也是后来该行学统计学的，我说这个是为什么呢？当初他们在一无所知的情况下也能成为今天统计学教材上的人物，为什么我们有更多资源利用却无法学会统计学呢？我相信更多的是个人因素，而不是客观因素。难道我们的条件比20世纪的Wilcoxon和皮特曼更糟糕？
参数检验与非参数检验的区别。
1）参数检验：以已知分布（如正态分布）为假定条件，对总体参数进行估计或检验。
2）非参数检验：不依赖总体分布的具体形式和检验分布（如位置）是否相同。
参数检验与非参数检验的优缺点。
1）参数检验：优点是符合条件时，检验效率高；其缺点是对资料要求严格，如等级数据、非确定数据（＞50mg）不能使用参数检验，而且要求资料的分布型已知和总体方差相等。
2）非参数检验：优点是应用范围广、简便、易掌握；缺点是若对符合参数检验条件的资料用非参数检验，则检验效率低于参数检验。如无效假设是正确的，非参数法与参数法一样好，但如果无效假设是错误的，则非参数检验效果较差，如需检验出同样大小的差异的差异往往需要较多的资料。另一点是非参数检验统计量是近似服从某一部分，检验的界值表也是有近似的（如配对秩和检验）因此其结果有一定近似性。
非参数检验适用那些情况？
（1）等级顺序资料。
（2）偏态资料。当观察资料呈偏态或极度偏态分布而有未经变量变换，或虽经变量变换但仍未达到正态或近似正态分布时，宜用非参数检验。
（3）未知分布型资料
（4）要比较的各组资料变异度相差较大，方差不齐，且不能变换达到齐性。
（5）初步分析。有些医学资料由于统计工作量过大，可采用非参数统计方法进行初步分析，挑选其中有意义者再进一步分析（包括参数统计内容）
（6）对于一些特殊情况，如从几个总体所获得的数据，往往难以对其原有总体分布作出估计，在这种情况下可用非参数统计方法。
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
