سري آمار:روش‌هاي متداول ناپارامتري

STATISTICAL SERIES: COMMON NON-PARAMETRIC METHODS

در مطالعات علوم پزشكی، موقعیت‌های وجود دارند كه امكان استفاده از روش‌های متداول مبتنی بر توزیع نرمال (روش‌های پارامتری) وجود ندارد. هدف از این مقاله ارائه روش‌های متداول ناپارامتری و انجام استنباط مبتنی بر آن‌ها می‌باشد. مبانی و نحوه انجام محاسبات و همچنین كدهای نرم‌افزاری مربوط به روش‌های متداول ناپارامتری و استنباط مبتنی بر آن‌ها برای مثال‌های مطالعات علوم پزشكی به همراه ملاحظات انتخاب آزمون‌های ناپارامتری و كارایی نسبی آن‌ها در مقایسه با آزمون‌های پارامتری متناظر ارائه گردید. در صورت برقرار نبودن پیش‌فرض‌های آزمون‌‌های پارامتری، بدون نگرانی برای از دست رفتن كارایی و حتی با كارایی بالاتر، باید از آزمون‌های ناپارامتری استفاده كرد. برای مقایسه متغیر كمی غیرنرمال یا رتبه‌ای بین دو گروه مستقل آزمون من-ویتنی، برای مقایسه متغیر كمی غیرنرمال یا رتبه‌ای بین بیش از دو گروه مستقل آزمون كروسكال والیس، برای مقایسه یك متغیر كمی غیرنرمال در دو وضعیت وابسته یا گروه‌های همسان شده آزمون رتبه علامت‌دار ویلكاكسون و برای مقایسه یك متغیر رتبه‌ای در دو وضعیت وابسته یا گروه‌های همسان شده آزمون علامت باید استفاده شود. برای هر یك از آزمون‌های فوق، نتایج حاصل از مثال‌های مطالعاتی به‌همراه نحوه انجام محاسبات ارائه شد. برای بررسی رابطه یا اختلاف در انواع مطالعات علوم پزشكی، آزمون‌های ارائه شده با توجه به موقعیت و هدف مطالعه توصیه می‌شود

There are situations in medical studies, wherein it is impossible to use the methods based on normal distribution (parametric methods). This paper objects to introduce common nonparametric methods and the inferences based on the methods in medical studies. Principles and method of calculations along with the software codes for common nonparametric methods and inference based on them were presented taking into account the considerations relevant to choose the nonparametric methods and their relative efficiency with examples in medical studies. In the situation where the assumptions are not satisfied, the nonparametric methods should be used without caution to lose the efficiency or even with higher efficiency of these methods. To compare a non-normal or ordinal variable between two groups Mann-Whitney test, to compare a non-normal or ordinal variable among more than two groups Kruskal-Wallis test, to compare a non-normal variable between two related situations or matched groups Wilcoxon test and to compare an ordinal variable between two related situations or matched groups Sign test should be used. In each of these tests the results of research based examples were presented along with the methods of their calculations. To assess the relation or difference in all types of medical studies, these tests are recommended considering the situation and purpose of study.