Непараметрический статистический критерий

Непараметрический статистический критерий — это класс статистических критериев, используемых для проверки гипотез, которые не требуют предположений о принадлежности распределения данных к какому-либо известному параметрическому семейству (например, к нормальному распределению). В отличие от параметрических критериев, непараметрические методы оперируют не с параметрами распределения (среднее, дисперсия), а с рангами, знаками, медианами или частотами наблюдений. Они применяются, когда объем выборки мал, данные представлены в порядковой или номинальной шкале, или когда нарушены условия применимости параметрических аналогов.

История

Развитие непараметрической статистики началось в первой половине XX века. Одним из первых непараметрических критериев стал знаковый критерий, предложенный Джоном Арбетнотом в 1710 году для анализа соотношения полов при рождении, однако систематическое развитие методов началось в 1930–1940-х годах с работ Фрэнка Уилкоксона (критерий Уилкоксона, 1945), Генри Манна и Дональда Уитни (U-критерий, 1947), а также Уильяма Крускала и Уоллиса (H-критерий, 1952). В 1950–1960-х годах теория была формализована, и непараметрические методы стали широко внедряться в биологию, медицину, психологию и социологию. В России значительный вклад в развитие непараметрической статистики внесли А. Н. Колмогоров (критерий Колмогорова-Смирнова, 1933) и Н. В. Смирнов.

Основные свойства

Непараметрические критерии обладают рядом отличительных свойств:

• Свобода от распределения: не требуется, чтобы данные подчинялись нормальному или иному конкретному закону распределения.
• Устойчивость к выбросам: ранговые методы менее чувствительны к экстремальным значениям, чем параметрические.
• Работа с порядковыми данными: критерии применимы к данным, измеренным в порядковой или номинальной шкале (например, категории, баллы).
• Меньшая мощность: при выполнении условий параметрических критериев (нормальность, гомоскедастичность) непараметрические аналоги обычно имеют меньшую статистическую мощность, то есть требуют большей выборки для обнаружения эффекта той же величины.
• Асимптотическая эффективность: при больших выборках относительная эффективность многих непараметрических критериев по сравнению с параметрическими стремится к 0,95 и выше.

Классификация

Непараметрические критерии делятся по цели анализа и типу данных.

По числу выборок

• Одновыборочные: проверка гипотезы о медиане или законе распределения одной выборки.
• Двухвыборочные: сравнение двух независимых или зависимых (парных) выборок.
• Многовыборочные: сравнение трех и более групп (аналог однофакторного дисперсионного анализа).

По типу данных

• Ранговые: основаны на преобразовании значений в ранги (например, критерий Манна-Уитни, критерий Крускала-Уоллиса).
• Знаковые: используют только знаки разностей (например, знаковый критерий).
• Критерии согласия: проверяют соответствие эмпирического распределения теоретическому (например, критерий Колмогорова-Смирнова, критерий хи-квадрат Пирсона).
• Критерии случайности: проверяют гипотезу о случайности последовательности (например, критерий серий Вальда-Вольфовица).

Основные непараметрические критерии

Одновыборочные критерии

• Знаковый критерий: проверяет гипотезу о равенстве медианы нулю (или заданному значению) на основе числа положительных и отрицательных разностей.
• Критерий Колмогорова-Смирнова (одновыборочный): сравнивает эмпирическую функцию распределения с теоретической. Чувствителен к различиям в форме распределения.
• Критерий хи-квадрат Пирсона: проверяет согласие эмпирических частот с теоретическими для категориальных данных.

Двухвыборочные критерии

• Критерий Манна-Уитни (U-критерий): используется для сравнения двух независимых выборок. Проверяет гипотезу о том, что одна выборка стохастически больше другой. Аналог t-критерия для независимых выборок.
• Критерий Уилкоксона (W-критерий): применяется для двух зависимых (парных) выборок. Проверяет гипотезу о симметричности распределения разностей относительно нуля. Аналог парного t-критерия.
• Критерий Колмогорова-Смирнова (двухвыборочный): сравнивает две эмпирические функции распределения. Чувствителен к различиям в форме, разбросе и центральной тенденции.

Многовыборочные критерии

• Критерий Крускала-Уоллиса (H-критерий): непараметрический аналог однофакторного дисперсионного анализа (ANOVA) для k независимых выборок. Основан на рангах.
• Критерий Фридмана: непараметрический аналог двухфакторного дисперсионного анализа для повторных измерений (зависимые выборки). Используется, когда данные получены в условиях блочного эксперимента.
• Критерий Джонкхиера-Терпстры: проверяет наличие упорядоченного тренда в k независимых выборках.

Критерии для таблиц сопряженности

• Точный критерий Фишера: применяется для анализа таблиц 2×2 при малых ожидаемых частотах.
• Критерий хи-квадрат Пирсона: используется для проверки независимости двух категориальных переменных в таблицах сопряженности произвольного размера.

Применение

Непараметрические критерии широко используются в различных областях:

• Медицина и биология: анализ клинических испытаний, сравнение эффективности лечения, изучение выживаемости, анализ малых выборок (например, редкие заболевания).
• Психология и социология: обработка данных опросов, тестов, ранговых оценок (например, шкалы Лайкерта).
• Экономика и финансы: анализ временных рядов, проверка гипотез о распределении доходов, оценка рисков.
• Технические науки: контроль качества, анализ надежности, обработка экспериментальных данных при малом числе измерений.
• Экология: анализ видового разнообразия, сравнение популяций.

Преимущества и недостатки

Преимущества

• Минимальные требования к данным (отсутствие нормальности, гомоскедастичности).
• Устойчивость к выбросам и асимметрии.
• Применимость к порядковым и номинальным данным.
• Простота вычислений (особенно для ранговых критериев).

Недостатки

• Меньшая мощность по сравнению с параметрическими аналогами при соблюдении их условий.
• Ограниченная возможность анализа взаимодействий факторов (в многовыборочных тестах).
• Сложность интерпретации результатов (например, критерий Манна-Уитни проверяет стохастическое превосходство, а не разность средних).
• Чувствительность к связкам (одинаковым значениям) в данных — требуются поправки.

Критика

Основная критика непараметрических критериев связана с их меньшей мощностью и сложностью интерпретации. При больших выборках, где центральная предельная теорема обеспечивает нормальность выборочных средних, параметрические методы часто предпочтительнее. Также некоторые исследователи отмечают, что непараметрические критерии не решают проблему гетероскедастичности или нелинейности, а лишь обходят её. В современной статистике распространен подход, при котором выбор между параметрическим и непараметрическим методом делается на основе предварительной проверки условий (например, тест Шапиро-Уилка на нормальность), а не априорного предпочтения.

Интересные факты

• Критерий Манна-Уитни часто называют «U-критерием»; его статистика U равна числу пар «первая выборка больше второй».
• Критерий Колмогорова-Смирнова был разработан А. Н. Колмогоровым в 1933 году и является одним из первых непараметрических критериев согласия.
• Для малых выборок (n < 20) точные критические значения для многих непараметрических критериев табулированы, а для больших — используются аппроксимации нормальным распределением.
• В пакетах статистического анализа (R, SPSS, Python) непараметрические критерии реализованы в стандартных процедурах.

Источники

• Холлендер М., Вулф Д. Непараметрические методы статистики. — М.: Финансы и статистика, 1983.
• Гланц С. Медико-биологическая статистика. — М.: Практика, 1998.
• Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006.
• Lehmann E. L. Nonparametrics: Statistical Methods Based on Ranks. — Springer, 2006.
• Siegel S., Castellan N. J. Nonparametric Statistics for the Behavioral Sciences. — McGraw-Hill, 1988.