Testes Paramétricos vs Não Paramétricos
Vamos abordar aqui os principais passos para determinar qual teste estatístico será utilizado.
Qual hipótese?
Testes estatísticos em sua maioria servem para confirmar hipóteses, então a primeira pergunta a se fazer é “qual a principal hipótese?”.
As amostras são independentes?
A próxima pergunta é se os dados que serão comparados são amostras independentes ou dependentes. Nem sempre é fácil responder essa pergunta.
Alguns exemplos de amostras dependentes:
- Dados coletados de um mesmo indivíduo (glicose antes e depois de um tratamento).
- Dados de indivíduos diferentes mais coletadas de forma pareada.
Dados independentes por exemplo são:
- Altura de meninos vs altura de meninas.
Qual o tipo de dado?
Essa pergunta é muito importante, pois o tipo de dado irá determinado o teste a ser utilizado, como por exemplo variáveis nominais, ordinais, quantitativa discreta ou quantitativa de distribuição normal e aqui elencamos uma tabela com os principais testes.
Para os testes realizados vamos ter sempre uma variável preditora (input/entrada) para a variável ser predita -> desfecho (verificar o impacto da variável preditora na predita ou verificar se existe associação estatística entre as mesmas — rejeitar a hipótese nula).
Na tabela 2 você verificará que para cada tipo de variável preditora e tipo de variável desfecho tem-se um teste ideal a ser utilizado.
Escolhendo os testes
Para escolher esses testes, é preciso saber que:
- Testes paramétricos exigem para sua utilização que seja pressuposto que distribuição dos dados (na saúde, a maioria exige pressuposto da distribuição normal)
- Já os testes não paramétricos não requerem o pressuposto da distribuição.
Ok, já que testes não paramétricos podem ser usados em dados de distribuição normal, mas por que então utilizar testes paramétricos?
Os testes paramétricos são mais fáceis de ser ajustados e também conseguem muitas vezes extrair o impacto da variável no desfecho.
Enquanto o não paramétrico muitas vezes somente revela se existe associação ou não.
Além disso o poder estatístico (o quanto você confia) é maior dos testes paramétricos.
Referências:
- Parametric and Non-parametric tests for comparing two or more groups
- Book — Statistics at Square One.
