Testes estatísticos são usados ​​para determinar se uma relação hipotética entre variáveis ​​tem significância estatística. Normalmente, o teste medirá o grau em que as variáveis ​​se correlacionam ou diferem. Testes paramétricos são aqueles que dependem das tendências centrais das variáveis ​​e assumem uma distribuição normal. Testes não paramétricos não fazem suposições sobre as distribuições populacionais.

Teste T

O teste t é um teste paramétrico que compara as médias das amostras e populações envolvidas. Existem várias variedades de testes-t. Um teste t de uma amostra compara a média de uma amostra com uma média hipotética. Um teste t de amostras independentes analisa se as médias de duas amostras diferentes têm valores semelhantes. Um teste t pareado de amostra é usado quando há duas observações para comparar para cada sujeito na amostra. O teste t é projetado para dados numéricos que tem uma distribuição normal.

Dados ordinais

Dados ordinais são dados derivados que descrevem os valores relativos de cada unidade na amostra. Por exemplo, dados ordinais das alturas de 10 alunos em uma sala de aula seriam simplesmente os números de 1 a 10, em que 1 poderia representar o aluno mais baixo e 10 poderia representar o aluno mais alto. Nenhum aluno teria o mesmo valor, a menos que eles tivessem exatamente a mesma altura. Medidas de tendência central não têm sentido com dados ordinais.

Inadequação do teste T

Os testes T não são apropriados para uso com dados ordinais. Como os dados ordinais não têm uma tendência central, também não tem distribuição normal. Os valores dos dados ordinais são distribuídos uniformemente, não agrupados em torno de um ponto médio. Por causa disso, um teste t de dados ordinais não teria significado estatístico.

Outros testes apropriados

Existem três testes de significância estatística que são apropriados para usar com dados ordinais. A correlação hierárquica de Spearman é apropriada para usar quando há apenas duas variáveis ​​envolvidas, e sua relação é monótona, embora não necessariamente linear. Em relacionamentos monotônicos, à medida que a primeira variável aumenta, não há mudança na direção da segunda variável. O teste de Kruskal-Wallis é projetado para instâncias onde há mais de duas amostras e os dados não são normalmente distribuídos. É semelhante a uma análise de variância unidirecional. A análise de variância de Friedman por ranks pode ser usada quando há três ou mais observações de uma única variável em um único grupo.