Icke-parametriska test är statistikens plan B när normalfördelning och andra strikta antaganden inte håller. Istället för att fokusera på exakta värden använder de rangordningar och tecken. Det är som att säga 'jag vet inte exakt hur mycket snabbare han springer, men han kom före mig i mål'. Dessa test offrar lite power för att vara mer robusta och versatila.

Fördjupning

Icke-parametriska test gör inga antaganden om underliggande fördelning och kallas därför 'fördelningsfria'. De baseras ofta på rangordningar, tecken eller andra ordningsstatistik istället för faktiska värden. Detta gör dem robusta mot extremvärden och skeva fördelningar, men de har generellt lägre power än motsvarande parametriska test när normalfördelningsantaganden är uppfyllda.

Wilcoxon teckenrangtest

Icke-parametrisk motsvarighet till parat t-test. Baseras på tecken och rangordning av skillnader istället för skillnadernas storlek.

Viktminskning

Testa om diet ger viktminskning genom att rangordna storleken på viktförändringar (ignorera exakta kg-värden).

Mann-Whitney U test

Icke-parametrisk motsvarighet till oberoende t-test. Jämför två grupper baserat på rangordning av alla observationer tillsammans.

Kruskal-Wallis test

Icke-parametrisk motsvarighet till envägs ANOVA. Jämför tre eller fler grupper baserat på rangordning.

Spearmans rangkorrelation

Icke-parametrisk korrelationsmått som mäter monotont samband istället för linjärt samband.

Vanliga misstag

❌ Använda icke-parametriska test onödigt

Om normalfördelningsantaganden är uppfyllda har parametriska test högre power

Exempel: Data är normalfördelad → t-test bättre än Wilcoxon

❌ Ignorera tied ranks

När observationer har samma värde behövs korrigering

Exempel: Flera observationer = 5.2 → använd genomsnittlig rang

❌ Felaktig interpretation

Icke-parametriska test testar ofta median, inte medelvärde

Exempel: Mann-Whitney testar om fördelningar skiljer sig, inte bara medelvärden

Tillämpningar

Medicin

När patientutfall är ordinala eller icke-normalfördelade

Exempel: Smärtskala 1-10, överlevnadstider, biverkningsgrad

Marknadsundersökning

Analysera attityddata och preferensordningar

Exempel: Nöjdhetsgrad, ranking av produkter, Likert-skalor

Psykologi

När beteendedata inte följer normalfördelning

Exempel: Reaktionstider, poängfördelningar, observationsstudier

Övningar

1 Medel

Data: Grupp A=[2,5,7,8] Grupp B=[1,3,4,6,9]. Utför Mann-Whitney test.

Tips

Rangordna alla värden tillsammans först

Visa facit

1. Rangordning: 1(B),2(A),3(B),4(B),5(A),6(B),7(A),8(A),9(B)
2. R_A = 2+5+7+8 = 22
3. U_A = 4×5 + 4×5/2 - 22 = 8

Svar: U_A = 12, inte signifikant

2 Lätt

Varför är Spearman korrelation lämplig för ordinala data?

Tips

Tänk på vad rangordning bevarar

Visa facit

1. Spearman använder rangordningar, inte exakta värden
2. Ordinala data har meningsfull ordning men inte exakt avstånd
3. Rangkorrelation fångar monotona samband

Svar: Bevarar ordningsrelationer

Sammanfattning

Icke-parametriska test är robusta alternativ när normalfördelningsantaganden inte håller. Baseras på rangordningar och tecken. Lägre power men mer versatila. Viktiga test: Wilcoxon, Mann-Whitney, Kruskal-Wallis, Spearman korrelation.