Analýza kovariance (ANCOVA): co to je a jak se používá ve statistice

Oblast statistiky využívá mnoho technik, které nám umožňují analyzovat, kontrolovat a upravovat údaje, které získáváme při vyšetřování. Jednou z nich je analýza kovariance (ANCOVA).

Tato statistická technika využívá dvě strategie: analýzu rozptylu (ANOVA) a statistickou regresi. Je součástí technik kontroly experimentální chyby. V tomto článku budeme vědět, co to je a jak to funguje.

• Související článek: "Analýza rozptylu (ANOVA): co to je a jak se používá ve statistice"

aplikované statistiky

Statistika je věda, která zahrnuje všechny znalosti, strategie a nástroje, které umožňují shromažďovat, organizovat, prezentovat, analyzovat a interpretovat řadu dat. Používá se zejména ve výzkumných kontextech.

V psychologii se studuje stále více v průběhu studia, protože je považována za velmi zajímavý nástroj k poznání a zvláště užitečný, pokud se chceme věnovat výzkumu.

Tato věda si klade za cíl popsat výsledky získané při vyšetřovánía také je analyzovat nebo nám pomáhat při rozhodování. V psychologii se často používá ke studiu a vývoji různých způsobů léčby a terapií.

Statistické typy

Existuje popisná statistika (kde se extrahované informace týkají vzorku) a inferenční statistika (která extrahuje informace o populaci).

Typ techniky široce používaný ve statistice je analýza kovariance, která nám umožňuje eliminovat systematickou chybu, která mění naše výsledky. Ale je to trochu složitější než toto; Podrobně to vysvětlíme v celém článku.

Analýza kovariance: co to je?

Analýza kovariance (ANCOVA) je technika používaná ve statistice, a to konkrétně je to parametrický test. Parametrické testy ve statistice umožňují analyzovat faktory v rámci populace. Navíc umožňují kvantifikovat, do jaké míry jsou dvě proměnné nezávislé.

Zkratka ANCOVA znamená „ANalysis of COVAriance“. Ve skutečnosti ANCOVA kombinuje dva typy strategií: Analýza rozptylu (ANOVA) spolu s regresní analýzou.

Tady to musíme mít na paměti ANOVA je další statistická technika, která segreguje z celkové variability našich výsledků, část způsobená zdroji chyb; Kromě toho, že jde o techniku ​​kontroly chyb, odhaluje vliv léčby.

Analýza kovariance je také statistická technika, ale úplnější než ANOVA; Stejně jako ona se používá ke snížení experimentální chyby, ale navíc na výsledky aplikuje vícenásobnou lineární regresi (statistickou regresi).

• Mohlo by vás zajímat: "Chí-kvadrát (χ²) test: co to je a jak se používá ve statistice"

Technika kontroly chyb

Při výzkumu je velmi důležité kontrolovat zdroje experimentálních chyb (které se objevují kvůli podivné proměnné), protože mohou změnit výsledky a oddálit nás od skutečných změn, kterými jsme vyhledávání. Experimentální chyba tedy zahrnuje ty odchylky ve výsledcích vzhledem ke skutečné hodnotě studované veličiny.

Techniky, které se snaží snížit experimentální chybu, mohou být dvou typů.: techniky a priori (používají se před aplikací léčby a sběrem dat) a techniky a posteriori (použijí se, jakmile jsou data získána). Analýza kovariance patří do druhého typu a používá se, když již máme data pro náš výzkum.

Konkrétně se analýza kovariance skládá ze statistického postupu, kterým dokáže eliminovat heterogenitu, která se objevuje v proměnné, kterou studujeme (toto je závislá proměnná; například úrovně úzkosti), v důsledku vlivu jedné (nebo více) nezávislých proměnných, které jsou kvantitativní a budeme je nazývat kovariáty (například terapie v různých stupních intenzita).

Později vysvětlíme, z čeho se kovarianty skládají, jak mohou změnit výsledky vyšetřování a proč je analýza kovariance v těchto případech užitečná.

Funkční

Teoretický základ analýzy kovariance je následující (neboli „kroky“, které je třeba následovat): nejprve se na data aplikuje analýza rozptylu (ANOVA) a později, je na ně aplikována vícenásobná lineární regrese; to znamená, že účinek, který měly kovariáty (nezávislé proměnné) na závislou proměnnou (tj. na proměnnou, kterou studujeme), je eliminován.

Kovarianty (X) jsou charakteristiky nebo měření každé experimentální jednotky nebo účastníka, které nezávisí na léčbě (nezávislé proměnné), ale souvisí s měřením zájmu (Y) (závislá proměnná). To znamená, že mají vliv nebo vliv na to, co studujeme, ale nejsou způsobeny léčbou.

To znamená, že když se mění X, mění se i Y; Kromě toho tato variace X také ovlivní vliv, který má léčba na Y. To vše nás nutí tyto vlivy (experimentální chyby) eliminovat, protože mění výsledky; a toho je dosaženo analýzou kovariance.

Zajímavým faktem je, že čím více kovariát máme, tím menší variabilitu budou mít data a tím větší statistickou sílu bude mít test. Statistická síla je pravděpodobnost, že test správně určí dopad, který má léčba na výsledky, které studujeme.

Aby nám sloužil? Cíle

Analýza kovariance se používá k následujícím účelům: na jedné straně k odstranění případné systematické chyby zkreslení výsledků vyšetřování (k těmto chybám obvykle dochází, protože jsou mimo kontrolu vyšetřovatele), a tím jiný, zjistit rozdíly v odpovědích účastníků výzkumu, které jsou způsobeny jejich osobními charakteristikami.

Díky tomu se analýza kovariance používá například ke stanovení rozdílů mezi léčbami.

Výsledkem analýzy kovariance je opravené skóre, od kterého byla odečtena částka nebo hodnota připadající na cizí proměnnou.

Analýza kovariance umožňuje zvýšit přesnost experimentů a eliminovat vlivy proměnných, které nemají nic společného s léčbou, ale přesto ovlivňují výsledky.

Navíc nám umožňuje získat více informací o povaze léčby, kterou v našem výzkumu aplikujeme. Nakonec nám pomáhá upravit naše výsledky tak, aby byly spolehlivější.

Oblasti použití

Analýza kovariance Uplatňuje se zásadně v oblasti aplikované statistiky. Proto se často používá ve výzkumu; liší se však typ výzkumu, ve kterém může být použit, a může to být vzdělávací, klinický, zemědělský, zdravotnický výzkum atd.

Příklady (aplikace)

Analýza kovariance nám umožňuje studovat např. vztah mezi věkem (kovariátem) a Úrovně úzkosti (závislá proměnná) podle stavů (léčby) v rámci psychologického vyšetřování klinika.

Jak jsme však viděli, tato technika může být použita v jiných typech výzkumu, například v zemědělském výzkumu: její možná aplikace by byla, pokud bychom chtěli studovat vztah mezi velikostí rajčat (kovariable) a hektarovým výnosem našeho sadu (závislá proměnná) podle odrůdy rajčat (různé ošetření).