Les tests statistiques sont utilisés pour déterminer si une relation hypothétique entre les variables a une signification statistique. Généralement, le test mesure le degré auquel les variables sont corrélées ou différentes. Les tests paramétriques sont ceux qui s'appuient sur les tendances centrales des variables et supposent une distribution normale. Les tests non-paramétriques ne supposent pas les distributions de population.

Test-T

Le test-t est un test paramétrique qui compare les moyennes des échantillons et des populations impliquées. Il existe plusieurs variétés de tests t. Un test t à un échantillon compare la moyenne d'un échantillon avec une moyenne hypothétique. Un test t d'échantillons indépendants examine si les moyennes de deux échantillons différents ont des valeurs similaires. Un test t d'échantillon apparié est utilisé lorsqu'il y a deux observations à comparer pour chaque sujet de l'échantillon. Le test t est conçu pour les données numériques ayant une distribution normale.

Données ordinales

Les données ordinales sont des données dérivées qui décrivent les valeurs relatives de chaque unité de l'échantillon. Par exemple, les données ordinales des hauteurs de 10 élèves dans une classe seraient simplement les nombres 1 à 10, où 1 pourrait représenter l'élève le plus petit et 10 pourrait représenter l'élève le plus grand. Aucun étudiant n'aurait la même valeur à moins d'avoir exactement la même taille. Les mesures de la tendance centrale n'ont pas de signification avec les données ordinales.

Caractère inapproprié du test-T

Les tests-t ne sont pas appropriés à utiliser avec des données ordinales. Parce que les données ordinales n'ont pas de tendance centrale, elles n'ont pas non plus de distribution normale. Les valeurs des données ordinales sont réparties uniformément, non groupées autour d'un point médian. Pour cette raison, un test t de données ordinales n'aurait pas de signification statistique.

Autres tests appropriés

Il existe trois tests de signification statistique appropriés à utiliser avec des données ordinales. La corrélation de rang-ordre de Spearman est appropriée à utiliser quand il n'y a que deux variables impliquées, et leur relation est monotone, mais pas nécessairement linéaire. Dans les relations monotones, lorsque la première variable augmente, il n'y a pas de changement dans la direction de la deuxième variable. Le test de Kruskal-Wallis est conçu pour les cas où il y a plus de deux échantillons, et les données ne sont pas distribuées normalement. C'est semblable à une analyse de variance à sens unique. L'analyse de variance de Friedman par rang peut être utilisée lorsqu'il y a trois observations ou plus d'une seule variable dans un seul groupe.