آزمون های پارامتریک (parametric tests) :

آزمون های پارامتریک، آزمون های استنباطی هستند که توان آماری بالا و قدرت پرداختن به داده های جمع آوری شده در طرح های پیچیده را دارند. آنها بیشتر فرض می گیرند که داده ها توزیع طبیعی داشته و نمونه ها واریانس مساوی دارند. آزمون های استنباطی غیرپارامتری، روندهایی می باشند که فرض های کمی در مورد داده ها و به ویژه توزیع آنها داشته و در مقایسه با روندهای پارامتری از توان کمتری برخوردارند. تحلیل واریانس یکی از آزمون های آماری پارامتریک پرتوان، برای آزمون فرضیه آماری، با مجموعه ایی از طرح ها و مدل های متفاوت و روندهای وابسته می باشد. از این تکنیک، جهت کشف تاثیر اصلی و نیز تاثیرات تعاملی متغیر(های) مستقل(عامل) بر روی متغیر وابسته استفاده می گردد. آزمون های پارامتریک و ناپارامتریک تحلیل واریانس، روند های آماری بسیار مفیدی می باشند که می توانند در پژوهش های مربوط به شهر، با توجه به ماهیت آن، بطور گسترده ایی مورد استفاده قرار گیرند.

به ساده ترین بیان باید گفت که برای سنجش فرضیه هایی که متغیر آن ها کمی است از آمار پارامتریک استفاده می شود. متغیر های کمی به علت کمی بودن و واحد پذیر بودن از این ویژگی برخورد دارند که آنها را میانگین پذیر و انحراف معیار پذیر می کنند و به دلیل همین ویژگی معمولا برای استفاده از آزمون های پارامتریک، پیش فرض هایی لازم است که از آن جمله نرمال بودن توزیع جامعه است زیرا در حالتی که توضیع جامعه نرمال نباشد، میانگین و انحراف معیار، نمایی واقعی از داده ها را به تصویر نمی کشانند. به عنوان مثال فرض کنید، مدیری می خواهد میانگین موجودی حساب های قرض الحسنه یک بانک را محاسبه نماید. چنانچه از مجموع مشتریان بانک چند نفر وجود داشته باشند که موجودی های میلیونی داشته باشند، با این فرض میانگین کل به طور خودکار به سمت بالا میل خواهد کرد و از حالت عادی خود خارج می شود. این مسئله ساده خود را در نرمال بودن جامعه آشکار می کند. در چنین حالتی، چون مبنای تصمیم گیری عموما میانگین و سایر شاخصه های مرتبط با میانگین است با فرض انحراف از توزیع نرمال ، تصمیم گیری ها چهره ای منطقی و واقعی نخواهند داشت . بنابراین نرمال بودن توزیع جامعه یکی از اصلی ترین پیش فرض های استفاده از آمار پارامتریک است. برای سنجش فرضیه ها با متغیر های کیفی، آمار ناپارامتریک استفاده می شود. این آزمون ها، که از آن ها با عنوان “آزمون های بدون پیش فرض ” نیز یاد می شود، به هیچ پیش فرض خاصی نیاز ندارد. برای مثال قضاوت درباره جنیسیت افراد با میانگین و انحراف معیار مبتنی نیست، بلکه بیشتر فراوانی هر یک از ردههای آن (مونث / مذکر) مد نظر است. در خصوص تبدیل متغیر ها باید یادآور شد که می توان که متغیر های کمی را به کیفی تبدیل نمود و آنها را با آزمون های ناپارامتریک مورد ارزیابی قرار داد، ولی عکس این عمل امکان پذیر نمی باشد برای مثال ، معدل افراد بر اساس نمره می تواند در آزمون های پارامتریک ارزیابی شود، ولی با تبدیل همین متغیر به مقوله های خوب، متوسط و ضعیف می توان آزمون های نا پارامتریک را هم در مورد آن ها به کار گرفت. شایان ذکر است که سطح دقت در آزمون های آماری پارامتریک از آزمون های آماری ناپارامتریک بیشتر است و معمولا پیشنهاد می شود که در صورتی که استفاده از آزمون های پارامتریک امکان پذیر باشد از آزمون های ناپارامتریک استفاده نشود، باید توجه داشت که بیشتر متغیر ها در علوم رفتار ی به کمک آزمون های نا پارامتریک مورد قضاوت قرار می گیرند.

به روش‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های آماری کلاسیک نظیر آزمون ANOVA ، t ، تحلیل کواریانس ، ضریب هم‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌بستگی پیرسون ، آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های پارامتریک گفته می‌شود. زیرا فرضیه‌های مربوط به پارامتر جامعه را آزمایش می‌کنند. آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های پارامتری را می‌توان مؤثرترین آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها دانست ، اما شرط استفاده از این آزمون‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها آن است که پیش‌ فرض‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های اساسی آنها مراعات شود. این پیش ‌فرض‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌ها بر چگونگی توزیع جامعه و بر روش استفاده از مقیاسی که برای به‌کمیت در آوردن داده‌ها به‌کار می‌رود ، مبتنی است.

هر یک از موارد مشاهده‌ شده مستقل است. انتخاب یک مورد به انتخاب هیچ مورد دیگر وابسته نیست.

واریانس نمونه برابر یا تقریباً برابر است. این مطلب هنگامی که حجم نمونه کم باشد از اهمیت خاصی برخوردار است.

توصیف متغیرها براساس مقیاس فاصله‌ای یا نسبی انجام می‌گیرد.

خلاصه آزمون های پارامتریک

آزمون t تك نمونه :

پبراي آزمون فرض پيرامون ميانگين يک جامعه استفاده مي شود. در بيشتر پژوهش هائي که با مقياس ليکرت انجام مي شوند جهت بررسي فرضيه هاي پژوهش و تحليل سوالات تخصصي مربوط به آنها از اين آزمون استفاده مي شود.

آزمون t وابسته :

براي آزمون فرض پيرامون دو ميانگين از يک جامعه استفاده مي شود. براي مثال اختلاف ميانگين رضايت کارکنان يک سازمان قبل و بعد از تغيير مديريت يا زماني که نمرات يک کلاس با پيش آزمون و پس آزمون سنجش مي شود.

آزمون t دو نمونه مستقل:

جهت مقايسه ميانگين دو جامعه استفاده مي شود. در آزمون t براي دو نمونه مستقل فرض مي شود واريانس دو جامعه برابر است. براي نمونه به منظور بررسي معني دار بودن تفاوت ميانگين نمره نظرات پاسخ دهندگان بر اساس جنسيت در خصوص هر يک از فرضيه هاي پژوهش استفاده ميشود.

آزمون t ولچ:

اين آزمون نيز مانند آزمون t دو نمونه جهت مقايسه ميانگين دو جامعه استفاده مي شود. در آزمون t ولچ فرض مي شود واريانس دو جامعه برابر نيست. براي نمونه به منظور بررسي معني دار بودن تفاوت ميانگين نمره نظرات پاسخ دهندگان بر اساس جنسيت در خصوص هر يک از فرضيه هاي پژوهش استفاده ميشود.

آزمون t هتلينگ :

براي مقايسه چند ميانگين از دو جامعه استفاده مي شود. يعني دو جامعه براساس ميانگين چندين صفت مقايسه شوند.

تحليل واريانس (ANOVA)

از اين آزمون به منظور بررسي اختلاف ميانگين چند جامعه آماري استفاده مي شود. براي نمونه جهت بررسي معني دار بودن تفاوت ميانگين نمره نظرات پاسخ دهندگان بر اساس سن يا تحصيلات در خصوص هر يک از فرضيه هاي پژوهش استفاده مي شود.

تحليل واريانس چندعاملي(MANOVA) :

از اين آزمون به منظور بررسي اختلاف چند ميانگين از چند جامعه آماري استفاده مي شود.

تحليل کوواريانس چندعاملي (MANCOVA):

چنانچه در MANOVA بخواهيم اثر يک يا چند متغير کمکي را حذف کنيم استفاده مي شود.

ضريب همبستگي گشتاوري پيرسون:

براي محاسبه همبستگي دو مجموعه داده استفاده مي شود.