I test statistici vengono utilizzati per determinare se una relazione ipotizzata tra variabili ha rilevanza statistica. In genere, il test misurerà il grado in cui le variabili sono correlate o diverse. I test parametrici sono quelli che si basano sulle tendenze centrali delle variabili e assumono una distribuzione normale. I test non parametrici non fanno ipotesi sulle distribuzioni della popolazione.
T-test
Il t-test è un test parametrico che mette a confronto le medie dei campioni e delle popolazioni coinvolte. Esistono diverse varietà di t-test. Un t-test a un campione confronta la media di un campione con una media ipotizzata. Un test t dei campioni indipendenti verifica se i mezzi di due diversi campioni hanno valori simili. Un t-test di esempio associato viene utilizzato quando vi sono due osservazioni da confrontare per ciascun soggetto nel campione. Il t-test è progettato per dati numerici che hanno una distribuzione normale.
Dati ordinali
I dati ordinali sono dati derivati che descrivono i valori relativi di ciascuna unità nel campione. Ad esempio, i dati ordinali delle altezze di 10 studenti in una classe sarebbero semplicemente i numeri da 1 a 10, dove 1 potrebbe rappresentare lo studente più breve e 10 potrebbe rappresentare lo studente più alto. Nessuno studente avrebbe lo stesso valore se non avesse esattamente la stessa altezza. Le misure di tendenza centrale sono prive di significato con i dati ordinali.
L'inadeguatezza del test T
I test T non sono appropriati per l'uso con i dati ordinali. Poiché i dati ordinali non hanno una tendenza centrale, non hanno nemmeno una distribuzione normale. I valori dei dati ordinali sono equamente distribuiti, non raggruppati attorno a un punto centrale. Per questo motivo, un t-test dei dati ordinali non avrebbe alcun significato statistico.
Altri test appropriati
Ci sono tre test di significatività statistica che sono appropriati da usare con i dati ordinali. La correlazione tra ordine di ranghi di Spearman è appropriata da utilizzare quando sono coinvolte solo due variabili e la loro relazione è monotona, sebbene non necessariamente lineare. Nelle relazioni monotone, all'aumentare della prima variabile, non vi è alcun cambiamento nella direzione della seconda variabile. Il test Kruskal-Wallis è progettato per le istanze in cui sono presenti più di due campioni ei dati non sono distribuiti normalmente. È simile a un'analisi della varianza a senso unico. L'analisi di Friedman della varianza per gradi può essere utilizzata quando ci sono tre o più osservazioni di una singola variabile in un singolo gruppo.