Epäparametrisiä

Epäparametriset menetelmät ovat tilastollisia menetelmiä, jotka eivät tee vahvoja oletuksia väestön jakauman tai mallin rakenteesta. Niiden tavoite on antaa toteutuskelpoisia päätelmiä ilman, että annetun populaation ominaisuuksia pitäisi kuvailla tarkasti parametrisella muodolla. Tämä tekee epäparametrisista lähestymistavoista joustavia erityisesti tilanteissa, joissa oikea jakauma, yhteyden muoto tai varianssien rakenne on epävarma tai monimutkainen.

Yleisimmät epäparametriset menetelmät ja lähestymistavat jakautuvat esimerkiksi tilastollisiin testeihin, jäännösten ja riippuvuuksien arviointiin sekä regressio- ja estimointimenetelmiin. Testeissä huomataan esimerkiksi Mann–Whitney U -testi, Wilcoxonin testi ja Kruskal–Wallis -testi, jotka ovat järjestysperusteisia eivätkä vaadi normaalijakoa. Arviointiin käytetään ei-parametrisia paikallisia estiäviä menetelmiä kuten kernel-smoothing sekä isotoninen regression. Jakauman estimoinnissa voidaan hyödyntää empiiristä jakaumaa tai kernel- ja paluumenetelmiä, kun taas regressiossa on käytössä esimerkiksi LOESS/LOWESS-menetelmät sekä epäparametrinen kerroin- tai paikallinen regressio.

Edut ja rajoitteet: Epäparametriset menetelmät ovat usein robustimpia ja soveltuvat hyvin monimuotoisiin ja pieniin otoksiin sekä ordinaliselle aineistolle. Niiden suurempi joustavuus kuitenkin voi tulla kustannuksena matalammasta tehokkuudesta, tulkinnan vaikeudesta sekä toiminnan herkästä kuolleisesta korkeisiin ulottuvuuksiin ja suurta läpinäkyvyyttä vaativasta tulkinnasta.

Käyttöalueet kattavat biostatistiikan, sosiaalitieteet, taloustieteet sekä monimutkaisten mallien alustavan kartoituksen. Epäparametrisiä menetelmiä käytetään usein yhdessä semiparametrisen lähestymistavan kanssa, kun halutaan tasapainottaa oletuksia ja joustavuutta.