parametrisch vs. nicht-parametrisch

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

  1. 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.
  2. 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.
  3. Robustheitsprobleme liegen meist nicht vor, da die, in der Regel schwächeren, Annahmen von nicht-parametrischen Verfahren erfüllt sind.

Nachteile von nicht-parametrischen Verfahren

  1. Sind die Annahmen des parametrischen Gegenstücks erfüllt, so wird Information aus den Daten verschwendet.
  2. Auf Grund der Tatsache, dass nicht-parametrische Teststatistiken meist diskret sind, kann das Signifikanzniveau in der Regel nicht voll ausgeschöpft werden.
  3. 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.