Como ocurre con cualquier otra elección en la vida, aplicar una prueba paramétrica o no paramétrica va a conllevar ventajas e inconvenientes.
Pros y contras de usar las pruebas paramétricas
A continuación las ventajas y los inconvenientes de aplicar las pruebas paramétricas en una investigación.
Ventajas de las pruebas paramétricas
La ventaja de usar una prueba paramétrica es que aporta un mayor potencia estadística que la aportada con una prueba no paramétrica. En otras palabras, una prueba paramétrica tiene mayor capacidad para conducir a un rechazo de H0. La mayoría de las veces, el valor p asociado a una prueba paramétrica es menor que el valor p asociado a su equivalente no paramétrica ejecutada sobre los mismos datos. Pero hay mucho más. En resumen, las ventajas que aportan las pruebas paramétricas son las siguientes:
- Tienen más poder de eficiencia
- Más sensibles a los rasgos de los datos recolectados
- Menos posibilidad de errores
- Dan estimaciones probabilísticas bastante exactas
Inconvenientes de las pruebas paramétricas
- Las pruebas paramétricas son más complicadas de calcular.
- Presentan limitaciones en los tipos de datos que se pueden evaluar.
- Se ven afectadas por los valores atípicos como los datos ordinales.
Pros y contras de usar las pruebas no paramétricas
A continuación las ventajas y los inconvenientes de aplicar las pruebas no paramétricas en una investigación. Y es que, como en el caso de las pruebas paramétricas, en las no paramétricas también podemos observar determinadas ventajas y desventajas reseñables.
Ventajas de las pruebas no paramétricas
- No es necesario que se cumplan las condiciones para usar las pruebas paramétricas.
- No se ven afectadas por los valores atípicos como los datos ordinales.
- Se pueden usar para manejar variables no numéricas.
- Los cálculos son mucho más fáciles, originados por tamaños de muestra pequeños.
- Son convenientes en el caso en el que no se conoce la distribución de la población.
Desventajas de las pruebas no paramétricas
Estas pruebas no son lo suficientemente fuertes cuando se cumple una hipótesis normal, lo cual puede significar que la hipótesis pueda no ser rechazada aunque sea falsa. Asimismo, también necesitan que la hipótesis se cambie cuando la prueba no corresponde a la pregunta del procedimiento si la muestra no es proporcional.
- No son pruebas sistemáticas.
- La distribución varía, lo que complica seleccionar la elección correcta.
- Los formatos de aplicación son diferentes y provoca confusión.
- Es posible que se pierda información porque los datos recolectados se convierten en información cualitativa.
- Es posible que se necesite tener fuentes y un respaldo con más peso.
- No utiliza tanta información de las variables como sí lo hacen las paramétricas.
- Un tamaño de muestra pequeño puede suponer no obtener un resultado significativo con la prueba.
En cuanto a este último punto, por ejemplo, en un análisis no paramétrico podemos prescindir del tamaño de la muestra o la estimación de cualquier parámetro relacionado del que no se tenga información. Dado que las suposiciones son menores, pueden aplicarse de múltiples formas.
Amplía información sobre el tema:
- Comparativa entre las pruebas paramétricas y no paramétricas en investigación.
- Pruebas paramétricas con ejemplos: ¿qué son, cuándo usarlas y cómo se clasifican?
- Pruebas no paramétricas: ¿qué son y cómo se clasifican?
- Ejemplos rápidos para aprender a utilizar una prueba paramétrica u otra
- ¿Qué prueba de análisis estadístico utilizar cuando tenemos datos en una escala de Likert?
- Error tipo 1 y error tipo 2 en investigación: ¿en qué consisten? ¿qué tienen que ver con las hipótesis?
- El método, el apartado del TFG más desesperante para los estudiantes de psicologia
- Técnicas de análisis más habituales para evaluar la eficacia y la efectividad de tu programa de intervención en el TFG de psicología