非参数检验方法和参数检验方法主要有以下区别：
一、对数据分布的要求
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。
非参数检验方法通常基于数据的秩次、符号等相对信息进行分析，而不直接依赖于数据的具体数值分布。
二、适用的数据类型
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、检验的统计量和方法
参数检验：
使用基于总体参数的统计量进行检验，如 t 统计量、F 统计量等。
通过计算这些统计量的值，并与特定分布下的临界值进行比较，来确定是否拒绝原假设。例如，t 检验通过计算样本均值之差与标准误差的比值得到 t 统计量，然后根据 t 分布确定 p 值。
非参数检验：
通常使用基于数据秩次、符号等的统计量进行检验，如 Wilcoxon 秩和统计量、Mann-Whitney U 统计量等。
非参数检验的方法相对较为灵活，不依赖于特定的分布理论，而是通过比较数据的相对位置或分布特征来进行推断。
四、检验效能和结果解释
参数检验：
在数据满足假设条件时，通常具有较高的检验效能，能够更灵敏地检测出实际存在的差异。
参数检验的结果可以给出具体的参数估计值，如均值、方差等，有助于深入了解总体特征。但如果数据不满足假设条件，使用参数检验可能会得出错误的结论。
非参数检验：
检验效能相对较低，尤其是在数据满足参数检验假设时。非参数检验可能需要较大的样本量才能达到与参数检验相同的检验效能。
非参数检验的结果通常比较直观，易于解释，但不能提供具体的参数估计值。非参数检验对数据的分布不敏感，具有较强的稳健性，在数据不满足参数检验假设或分布未知的情况下，结果更为可靠。
五、计算复杂度和应用场景
参数检验：
计算过程相对较为复杂，需要对数据的分布进行假设检验和参数估计。
适用于数据满足特定分布假设、样本量较大、对检验效能要求较高的情况。例如，在大规模的实验研究或统计调查中，如果数据满足正态分布等假设，参数检验可以提供更准确的结果。
非参数检验：
计算相对简单，不需要对数据的分布进行严格假设。
适用于数据分布未知、偏态分布、有极端值、小样本等情况。在探索性研究、初步分析或对数据分布不确定的情况下，非参数检验是一种较为合适的选择。