Häufig steht der Anwender einer Frage. Sind für seine Daten parametrische oder nicht-parametrische Verfahren sinnvoller? Im Folgenden werden die Vorteile nicht-parametrischer Verfahren dargelegt.
Vorteile von nicht-parametrischen Verfahren
- Sie erfordern keine spezielle Verteilungsannahme. Weiterhin wird kein intervall- oder verhältnisskaliertes Meßniveau benötigt. Somit existiert für jedes Meßniveau ein nicht-parametrischer Test. Dies ist der Hauptvorteil von dieser Tests.
- Nicht-parametrische Tests sind oft effizienter als parametrische Tests, falls die Verteilungsannahme keine Gültigkeit besitzt. Selbst wenn die Verteilungsannahme gerechtfertigt ist, so ist der Effizienzverlust von nicht-parametrischen Verfahren meist gering.
- Robustheitsprobleme liegen meist nicht vor, da die, in der Regel schwächeren, Annahmen von nicht-parametrischen Verfahren erfüllt sind.
Nachteile von nicht-parametrischen Verfahren
- Sind die Annahmen des parametrischen Gegenstücks erfüllt, so wird Information aus den Daten verschwendet.
- Auf Grund der Tatsache, dass nicht-parametrische Teststatistiken meist diskret sind, kann das Signifikanzniveau in der Regel nicht voll ausgeschöpft werden.
- Powerberechnungen erweisen sich oft komplizierter als bei parametrischen Tests.
Literatur
Büning, H. und Trenkler, G. (1994): Nichtparametrische statistische Methoden. 2. Auflage. Walter de Gruyter. Berlin.