مدرسه بین المللی پژوهش کمی و کیفی اولین و بزرگترین مرکز بین المللی برگزارکننده دوره های روش پژوهش و نرم افزارهای پژوهش کمی، کیفی، آمیخته و مروری در ایران
آمار پارامتریک که در خلال جنگ جهانی دوم شکل گرفت در برابر آمار ناپارامتریک قرار می گیرد.از تقسیم بندیهای رایج آمار، تقسیم بندی آن به آمار پارامتریک و ناپارامتریک است.
به ساده‌ترین بيان بايد گفت كه براي سنجش فرضيه هايي كه متغير آن كمي اند، از آمار پارامتريك استفاده ميشود. متغيرهاي كمي به علت كمي بودن و واحد پذير بودن از اين ويژگي برخوردارند كه آنها را ميانگين‌پذير و انحراف معيارپذير مي‌كنند و به دليل همين ويژگي معمولا براي استفاده از آزمون هاي پارامتريك، پيش فرض هايي لازم است كه از جمله، نرمال بودن توزيع جامعه است زيرا در حالتي كه توزيع جامعه نرمال نباشد، ميانگين و انحراف معيار، نمايي واقعي از داده ها را به تصوير نمي‌كشانند.
براي آزمون متغيرهاي كيفي و رتبه ای از آمار ناپارامتريك استفاده ميشود. اين آزمونها كه از آنها با عنوان آزمونهاي بدون پيش فرض نيز ياد ميشود به هيچ پيش فرض خاصي نياز ندارد.آزمون های ناپارامتریک مشروط به مفروضات آمار کلاسیک نیستند و کاربرد اصلی آنها در بررسی جوامع آماری غیر نرمال ، جوامع با داده های کیفی و نمونه های کوچک آماری می باشد
درخصوص تبديل متغيرها بايد يادآور شد كه ميتوان متغيرهاي كمي را به متغيرهاي كيفي تبديل كرد و آنها را با آزمونهاي ناپارامتريك مورد ارزيابي قرار داد ولي عكس اين عمل امكانپذير نيست.
شايان ذكر است كه سطح دقت درآزمونهاي آماري پارامتريك از آزمونهاي آماري ناپارامتريك بيشتر است و معمولا پيشنهاد ميشود كه در صورتي كه استفاده از آزمونهاي پارامتريك امكان پذير باشد از آزمونهاي ناپارامتريك استفاده نشود، بايد توجه داشت كه بيشتر متغيرهاي علوم رفتاري به كمك آزمونهاي ناپارامتريك مورد قضاوت قرار مي‌‌گيرند.
همانطوركه ميدانيد متغير تصادفي ممكن است به يكي از چهار مقياس اندازه گيري از قبيل : اسمي، ترتيبي، فاصلهاي و نسبتي تعلق گيرد. يك روش آماري را وقتي ناپارامتري گويند كه حداقل يكي از شرايط زير را وجود داشته باشد:
1- مناسب داده هايي باشد كه داراي مقياس اسمي هستند.
2- مناسب داده هايي باشد كه داراي مقياس ترتيبي هستند.
3- مناسب داده هايي است كه داراي مقياس فاصلهاي نسبتي هستند، اما تابع توزيع جمعيت متغير تصادفي كه از آن دادهها بدست آمدهاند مشخص نباشد.
مزاياي استفاده از روشهاي ناپارامتري:
1- محاسبه روشهاي غير پارامتري معمولا آسان است.
2- روشهاي ناپارامتري را ميتوان در مورد داده هايي بكار برد كه روشهاي پارامتري را نمي توان درباره آنها اعمال كرد. اين وضعيت در مواردي است كه مقياس اندازه گيري داده ها اسمي يا ترتيبي باشد.
3- در روشهاي ناپارامتري لازم نيست كه فرض كنيم متغير تصادفي جمعيت داراي توزيع احتمال خاصي است. اين روشها بر مبناي توزيع نمونه گيري هستند، امادر شكل توزيع نمونه گيري لازم نيست كه شكل خاصي را براي توزيع احتمال جمعيت فرض كنيم.
4- اگر يك روش غير پارامتري را بتوان در مورد يك مقياس اندازه گيري ضعيف بكار برد در آن صورت ميتوان آن را در مورد مقياسهاي قويتر نيز بكار برد.
توضیحات خوبی در زمینه آزمون های آماری ارایه کردید. موفق باشید.