Nonparametrische Verfahren können auch verteilungsfreie Verfahren genannt werden, da sie nicht voraussetzen, dass die Daten eine spezielle Verteilung (z.B.
Normalverteilung) aufweisen, wie es bei den parametrischen Verfahren der Fall ist.
Diese Verfahren können angewendet werden, wenn keine Klarheit bezüglich des Skalenniveaus herrscht, d.h. sie
können auch angewendet werden wenn kein metrisches Skalenniveau vorliegt.
Sie eignen sich außerdem besonders gut für kleine Stichproben.
Ein weiterer Vorteil liegt darin, dass sie sich mit relativ einfachen Formeln berechnen lassen.
Nachteile nonparametrischer Verfahren
Ein Nachteil nonparametrischer Tests ist, dass sie stets eine geringere Teststärke (Power) besitzen als vergleichbare parametrische
Verfahren.
Außerdem gibt es kaum multivariate Verfahren,
und es entsteht ein ziemlich großer Aufwand wenn man exakte Wahrscheinlichkeiten bei großen Stichproben
berechnen möchte.
Quellen:
Sedlmeier, P. & Renkewitz, F. (2008). Forschungsmethoden und Statistik in der Psychologie.München: Pearson Studium.