非参数检验与参数检验的结果有可能差异大，也有可能差异小，具体取决于多种因素。
一、可能差异小的情况
数据接近满足参数检验假设：
当数据虽然不完全符合参数检验的严格假设（如正态分布、方差齐性等），但比较接近这些假设条件时，非参数检验与参数检验的结果可能差异较小。
例如，数据稍微偏离正态分布，但总体上还算比较对称，在这种情况下，两种检验方法可能都能检测到相似的差异或关联性，结果较为接近。
大样本数据：
在大样本情况下，根据中心极限定理，样本均值趋向于正态分布。即使数据不完全满足参数检验假设，参数检验的结果也可能较为稳定。同时，非参数检验在大样本时也具有较好的性能。因此，两种检验方法的结果可能差异不大。
例如，在大规模的市场调查中，样本量很大，无论是使用参数检验还是非参数检验，对总体特征的估计可能较为一致，结果差异较小。
二、可能差异大的情况
数据严重不满足参数检验假设：
如果数据明显不服从正态分布（如严重偏态、有大量异常值）、方差不齐等，参数检验的结果可能会出现偏差，而非参数检验由于不依赖这些假设，结果可能更可靠。此时，两种检验方法的结果可能差异较大。
例如，某些财务数据呈现高度偏态分布，使用参数检验和非参数检验可能会得出截然不同的结论。
小样本数据且分布特殊：
在小样本情况下，数据的分布特征对检验结果的影响更大。如果数据分布特殊，不满足参数检验假设，非参数检验和参数检验的结果可能差异较大。
例如，在一些医学研究中，样本量较小且数据分布未知，参数检验可能无法准确反映实际情况，而非参数检验可能更合适，两者结果差异明显。
不同的研究问题和数据类型：
对于不同的研究问题和数据类型，非参数检验和参数检验的适用性不同，结果也可能差异较大。
例如，对于分类数据或有序数据，非参数检验中的卡方检验、秩和检验等是合适的方法，而参数检验不适用。在这种情况下，两种检验方法的结果必然不同。
综上所述，非参数检验与参数检验的结果差异大小因具体情况而异，需要根据数据特征、研究问题和样本大小等因素进行综合判断。