تحليل التغاير (ANCOVA): ما هو وكيف يتم استخدامه في الإحصاء

يستخدم مجال الإحصاء العديد من التقنيات التي تسمح لنا بتحليل ومراقبة وضبط البيانات التي نحصل عليها في التحقيق. أحدها هو تحليل التغاير (ANCOVA).

تستخدم هذه التقنية الإحصائية ، بدورها ، استراتيجيتين: تحليل التباين (ANOVA) والانحدار الإحصائي. إنه جزء من تقنيات التحكم في الخطأ التجريبي. في هذه المقالة سوف نعرف ما هو وكيف يعمل.

• مقالات لها صلة: "تحليل التباين (ANOVA): ما هو وكيف يتم استخدامه في الإحصاء"

الإحصاء التطبيقي

الإحصاء هو العلم الذي يشمل جميع المعارف والاستراتيجيات والأدوات التي تسمح بجمع وتنظيم وعرض وتحليل وتفسير سلسلة من البيانات. يتم استخدامه بشكل خاص في سياقات البحث.

في علم النفس ، تتم دراسته أكثر فأكثر في جميع أنحاء الدرجة ، لأنه يعتبر أداة مثيرة للاهتمام للغاية لمعرفة ، ومفيدة بشكل خاص ، إذا كنا نريد تكريس أنفسنا للبحث.

يهدف هذا العلم إلى وصف النتائج التي تم الحصول عليها في التحقيق، وكذلك تحليلها أو مساعدتنا في اتخاذ القرارات. في علم النفس ، غالبًا ما يستخدم لدراسة وتطوير علاجات وعلاجات مختلفة.

أنواع الإحصاء

هناك إحصائيات وصفية (حيث المعلومات المستخرجة تتعلق بالعينة) والإحصاءات الاستنتاجية (التي تستخرج معلومات عن السكان).

نوع من التقنيات المستخدمة على نطاق واسع في الإحصاء تحليل التغاير ، الذي يسمح لنا بإزالة الخطأ المنهجي الذي يغير نتائجنا. لكنها أكثر تعقيدًا من ذلك بقليل ؛ سنشرحها بالتفصيل في جميع أنحاء المقال.

تحليل التغاير: ما هو؟

تحليل التغاير (ANCOVA) هو أسلوب يستخدم في الإحصاء ، وعلى وجه التحديد إنه اختبار حدودي. تسمح لك الاختبارات البارامترية ضمن الإحصائيات بتحليل العوامل داخل السكان. بالإضافة إلى ذلك ، فهي تسمح بتحديد مدى استقلال متغيرين.

يشير الاختصار ANCOVA إلى "تحليل COVAriance". في الواقع ، تجمع ANCOVA بين نوعين من الاستراتيجيات: تحليل التباين (ANOVA) مع تحليل الانحدار.

هنا يجب أن نتذكر ذلك ANOVA هي تقنية إحصائية أخرى تفصل بين التباين الكلي لنتائجنا، الجزء الناتج عن مصادر الخطأ ؛ وبالتالي ، بالإضافة إلى كونها تقنية للتحكم في الأخطاء ، فإنها تكتشف تأثير العلاجات.

من جانبه ، يعد تحليل التغاير أيضًا أسلوبًا إحصائيًا ، ولكنه أكثر اكتمالًا من ANOVA ؛ مثلها ، يتم استخدامه لتقليل الخطأ التجريبي ، ولكن بالإضافة إلى ذلك ، فإنه يطبق الانحدار الخطي المتعدد (الانحدار الإحصائي) على النتائج.

• قد تكون مهتمًا بـ: "اختبار Chi-square (²): ما هو وكيف يتم استخدامه في الإحصاء"

تقنية التحكم في الخطأ

من المهم جدًا في البحث التحكم في مصادر الخطأ التجريبي (الذي يظهر بسبب متغيرات غريبة) ، لأنها يمكن أن تغير النتائج وتبعدنا عن التغييرات الحقيقية التي نحن عليها يبحث. وبالتالي ، فإن الخطأ التجريبي يشمل تلك الانحرافات في النتائج فيما يتعلق بالقيمة الحقيقية للحجم الذي تتم دراسته.

يمكن أن تكون التقنيات التي تسعى إلى تقليل الخطأ التجريبي من نوعين.: تقنيات أولية (تُستخدم قبل تطبيق العلاجات وجمع البيانات) وتقنيات لاحقة (تُستخدم بمجرد الحصول على البيانات). ينتمي تحليل التغاير إلى النوع الثاني ، ويتم استخدامه عندما يكون لدينا بالفعل بيانات بحثنا.

على وجه التحديد ، يتكون تحليل التغاير من إجراء إحصائي يتم بواسطته تمكن من القضاء على عدم التجانس الذي يظهر في المتغير الذي ندرسه (هذا متغير تابع ؛ على سبيل المثال ، مستويات القلق) ، بسبب تأثير واحد (أو أكثر) من المتغيرات المستقلة ، والتي كمية ، والتي سوف نسميها المتغيرات المشتركة (على سبيل المثال ، العلاج بدرجات مختلفة من شدة).

سنشرح لاحقًا ماهية المتغيرات المشتركة ، وكيف يمكنها تغيير نتائج التحقيق ولماذا يكون تحليل التغاير مفيدًا في هذه الحالات.

تسيير

الأساس النظري لتحليل التباين هو التالي (أو "الخطوات" التي يجب اتباعها): أولاً ، يتم تطبيق تحليل التباين على البيانات (ANOVA) ، وبعد ذلك ، يتم تطبيق الانحدار الخطي المتعدد عليها; هذا يعني أن تأثير المتغيرات المشتركة (المتغيرات المستقلة) على المتغير التابع (أي ، على المتغير الذي ندرسه) قد تم التخلص منه.

المتغيرات المشتركة (X) هي خصائص أو قياسات لكل وحدة تجريبية أو مشارك، والتي لا تعتمد على المعالجات (المتغيرات المستقلة) ، ولكنها مرتبطة بقياس الفائدة (Y) (المتغير التابع). أي أن لها تأثيرًا أو تأثيرًا على ما ندرسه ، لكنها ليست بسبب العلاج.

هذا يعني أنه عندما تتنوع X ، فإن Y تختلف أيضًا ؛ علاوة على ذلك ، سيؤثر هذا الاختلاف في X أيضًا على تأثير العلاجات على Y. كل هذا يجعلنا مهتمين بإزالة هذه التأثيرات (أخطاء تجريبية)، لأنهم يغيرون النتائج ؛ ويتحقق ذلك من خلال تحليل التغاير.

الحقيقة المثيرة للفضول هي أنه كلما زاد عدد المتغيرات المشتركة لدينا ، قل التباين في البيانات ، وزادت القوة الإحصائية للاختبار. القوة الإحصائية هي احتمال أن يحدد الاختبار بشكل صحيح تأثير العلاج على النتائج التي ندرسها.

لخدمتنا؟ الأهداف

يستخدم تحليل التغاير للأغراض التالية: من ناحية ، للقضاء على أي خطأ منهجي قد يحدث تحيز نتائج التحقيق (تحدث هذه الأخطاء بشكل عام لأنها خارجة عن سيطرة المحقق) ، وبواسطة آخر، تحديد الاختلافات في إجابات المشاركين في البحث والتي تعود إلى خصائصهم الشخصية.

هذا يجعل تحليل التغاير المستخدم لتحديد الاختلافات بين العلاجات ، على سبيل المثال.

النتيجة التي يعطينا تحليل التباين المشترك هي النتيجة المصححة التي تم طرح المبلغ أو القيمة المنسوبة إلى المتغير الأجنبي.

يسمح تحليل التغاير زيادة دقة التجارب والقضاء على آثار المتغيرات التي لا علاقة لها بالعلاج، لكنها مع ذلك تؤثر على النتائج.

بالإضافة إلى ذلك ، يسمح لنا بالحصول على مزيد من المعلومات حول طبيعة العلاجات التي نطبقها في بحثنا. في النهاية ، يساعدنا ذلك في تعديل نتائجنا لجعلها أكثر موثوقية.

مجالات التطبيق

تحليل التغاير يتم تطبيقه بشكل أساسي في مجال الإحصاء التطبيقي. هذا هو السبب في استخدامه بشكل متكرر في البحث ؛ ومع ذلك ، يختلف نوع البحث الذي يمكن استخدامه فيه ، ويمكن أن يكون بحثًا تعليميًا أو سريريًا أو زراعيًا أو صحيًا ، إلخ.

أمثلة (تطبيقات)

يسمح لنا تحليل التغاير بدراسة ، على سبيل المثال ، العلاقة بين العمر (المتغير المشترك) و مستويات القلق (متغير تابع) حسب الحالات (العلاجات) ، ضمن تحقيق علم النفس عيادة.

ولكن ، كما رأينا ، يمكن استخدام هذه التقنية في أنواع أخرى من البحث ، على سبيل المثال في البحوث الزراعية: سيكون التطبيق المحتمل لها إذا أردنا لدراسة العلاقة بين حجم الطماطم (متغير مشترك) والمحصول لكل هكتار من بستاننا (متغير تابع) حسب صنف الطماطم (مختلف العلاجات).