参数检验方法和非参数检验方法在适用范围上有以下区别：
一、数据分布要求
参数检验：
通常要求数据来自特定的分布，如正态分布、t 分布等。在进行参数检验之前，需要对数据的分布进行假设检验，以确定是否满足参数检验的条件。
例如，使用 t 检验比较两组数据的均值时，通常假设数据服从正态分布；使用方差分析时，假设数据满足正态性和方差齐性。
非参数检验：
不依赖于特定的总体分布假设，适用于各种分布类型的数据，包括未知分布、偏态分布、有极端值的数据等。
例如，在一些实际问题中，数据的分布可能难以确定，此时非参数检验可以有效地进行分析而无需担心分布假设问题。
二、数据类型
参数检验：
主要适用于定量数据，尤其是在数据满足特定分布假设的情况下，可以对总体参数进行估计和假设检验。
例如，对于服从正态分布的定量数据，可以使用 t 检验、方差分析等参数检验方法来比较均值、方差等参数。
非参数检验：
可用于多种数据类型，包括分类数据、有序数据和定量数据。
对于分类数据，可以使用卡方检验等非参数方法进行关联性分析；对于有序数据，可以采用秩和检验等方法比较不同组之间的差异；对于定量数据但不满足参数检验假设的情况，也可以使用非参数检验方法。
三、样本量大小
参数检验：
在大样本情况下，参数检验通常具有较高的检验效能。根据中心极限定理，当样本量足够大时，即使数据不完全服从正态分布，参数检验的结果也较为可靠。
然而，在小样本情况下，如果数据不满足分布假设，参数检验的结果可能不准确。
非参数检验：
在小样本情况下，非参数检验通常更为稳健。由于非参数检验不依赖于特定的分布假设，对小样本数据的分析相对较为可靠。
在大样本情况下，非参数检验也可以使用，但检验效能可能不如参数检验高。
四、研究目的
参数检验：
如果研究目的是对总体参数进行估计，如均值、方差等，参数检验方法可以直接提供这些估计值。
例如，在回归分析中，参数检验可以得到回归系数，用于描述自变量对因变量的影响程度。
非参数检验：
如果主要目的是比较不同组之间是否存在差异，而不需要具体的参数估计，非参数检验方法是一个合适的选择。
例如，比较两种治疗方法的效果，只关心两组患者的疗效是否有差异，而不需要知道具体的疗效参数，此时可以使用非参数检验方法。
五、对异常值的敏感性
参数检验：
参数检验方法通常对异常值比较敏感。一个或几个极端异常值可能会极大地改变参数估计值和检验结果。
例如，在计算均值和方差时，异常值会使均值向其方向偏移，增大方差，从而影响 t 检验、方差分析等参数检验方法的结果。
非参数检验：
非参数检验基于数据的秩次或相对位置进行分析，对异常值不敏感。即使数据中存在异常值，非参数检验的结果通常也不会受到严重干扰。
例如，在一组数据中即使存在个别极大或极小的异常值，非参数检验的结果通常不会像参数检验那样受到严重干扰。