Nichtparametrische Verfahren (auch: nonparametrische oder verteilungsfreie Verfahren) (engl.: Non[-]parametric [or Distribution-Free] [Statistical] Methods)

Verfahren zur Durchführung von Signifikanztests, die eingesetzt werden können, wenn die Annahmen der üblicherweise verwendeten Verfahren verletzt sind. Zu diesen »üblicherweise verwendeten Verfahren« gehören beispielsweise der t-Test, die Varianzanalyse oder auch das lineare Regressionsmodell. Diese richten sich im allgemeinen auf bestimmte Parameter der untersuchten Daten (hier das arithmetische Mittel) und machen dabei Annahmen über die Verteilung der Variablen (im Falle der genannten Verfahren beispielsweise die Normalverteilung). Sind diese Annahmen nun verletzt oder ist zumindest ihre Gültigkeit stark in Zweifel zu ziehen, können Testverfahren eingesetzt werden, die ohne solche Annahmen auskommen – eben die nicht-parametrischen verteilungsfreien Verfahren. (Zu beachten ist: Die hierbei errechneten Teststatistiken folgen durchaus Verteilungen, aber Verteilungen von Zufallsvariablen.)

Zu den wichtigsten n.n V. gehören die im ILMES aufgeführten Chi-Quadrat-Test, Wilxocon-(Rangsummen-)Test und Kruskal-Wallis H-Test sowie die im Kontext der Verlaufsdatenanalyse diskutierten Life-Table- und Kaplan-Meier-Tests. Andere bekannte Verfahren sind beispielsweise der McNemar-Test (für abhängige Stichproben), der Median-Test oder der Kolmogorow-Smirnow-Test.

Literatur:

Bortz, Jürgen/Lienert, Gustav A./Boehnke, Klaus: Verteilungsfreie Methoden in der Biostatistik. 3.Auflage. Berlin, Heidelberg, New York: Springer, 2009