Analyse af kovarians (ANCOVA): hvad det er, og hvordan det bruges i statistik

Statistikområdet bruger mange teknikker, der giver os mulighed for at analysere, kontrollere og justere de data, vi får i en undersøgelse. En af dem er analysen af ​​kovarians (ANCOVA).

Denne statistiske teknik bruger til gengæld to strategier: variansanalyse (ANOVA) og statistisk regression. Det er en del af teknikkerne til at kontrollere den eksperimentelle fejl. I denne artikel vil vi vide, hvad det er, og hvordan det virker.

• Relateret artikel: "Variansanalyse (ANOVA): hvad det er, og hvordan det bruges i statistik"

anvendt statistik

Statistik er videnskaben, der omfatter al den viden, strategier og værktøjer, der gør det muligt at indsamle, organisere, præsentere, analysere og fortolke en række data. Det bruges især i forskningssammenhænge.

I psykologi studeres det mere og mere gennem hele uddannelsen, da det anses for et meget interessant værktøj at vide, og især nyttigt, hvis vi vil dedikere os til forskning.

Denne videnskab har til formål at beskrive resultaterne opnået i en undersøgelse

, samt analysere dem eller hjælpe os med at træffe beslutninger. I psykologi bruges det ofte til at studere og udvikle forskellige behandlinger og terapier.

Statistiske typer

Der er beskrivende statistik (hvor den information, der uddrages, handler om stikprøven) og inferentiel statistik (som udtrækker information om populationen).

En type teknik, der er meget brugt i statistik er analysen af ​​kovarians, som giver os mulighed for at eliminere den systematiske fejl, der ændrer vores resultater. Men det er lidt mere komplekst end dette; Vi vil forklare det i detaljer gennem artiklen.

Analyse af kovarians: hvad er det?

Analysen af ​​kovarians (ANCOVA) er en teknik, der bruges i statistik, og specifikt det er en parametrisk test. Parametriske test inden for statistik giver dig mulighed for at analysere faktorer inden for en population. Derudover giver de mulighed for at kvantificere, i hvilket omfang to variable er uafhængige.

Akronymet ANCOVA står for "ANAlysis of COVAriance". Faktisk kombinerer ANCOVA to typer strategier: Variansanalyse (ANOVA) sammen med regressionsanalyse.

Her skal vi huske det ANOVA er en anden statistisk teknik, der adskiller sig fra den samlede variabilitet af vores resultater, den del, der skyldes fejlkilder; Ud over at være en fejlkontrolteknik opdager den således behandlingernes indflydelse.

For sin del er analysen af ​​kovarians også en statistisk teknik, men mere komplet end ANOVA; Ligesom hende bruges den til at reducere den eksperimentelle fejl, men derudover anvender den en multipel lineær regression (statistisk regression) på resultaterne.

• Du kan være interesseret i: "Chi-square (χ²) test: hvad det er, og hvordan det bruges i statistik"

Fejlkontrolteknik

I forskning er det meget vigtigt at kontrollere kilderne til eksperimentelle fejl (som opstår pga mærkelige variabler), da de kan ændre resultaterne og flytte os væk fra de sande ændringer, vi er søger. Således inkluderer den eksperimentelle fejl de afvigelser i resultaterne med hensyn til den reelle værdi af den størrelse, der undersøges.

De teknikker, der søger at reducere den eksperimentelle fejl, kan være af to typer.: a priori-teknikker (de bruges før anvendelse af behandlingerne og indsamling af data) og a posteriori-teknikker (de bruges, når dataene er opnået). Analyse af kovarians hører til den anden type og bruges, når vi allerede har data til vores forskning.

Konkret består analysen af ​​kovarians af en statistisk procedure, hvorved formår at eliminere den heterogenitet, der optræder i den variabel, som vi studerer (dette er en afhængig variabel; for eksempel angstniveauer), på grund af påvirkningen af ​​en (eller flere) uafhængige variable, som er kvantitative, og som vi vil kalde kovariater (for eksempel terapi i forskellige grader af intensitet).

Senere vil vi forklare, hvad kovariater består af, hvordan de kan ændre resultaterne af en undersøgelse, og hvorfor analysen af ​​kovarians er nyttig i disse tilfælde.

Fungerer

Det teoretiske grundlag for analysen af ​​kovarians er følgende (eller "trin" der skal følges): først anvendes en variansanalyse på dataene (ANOVA), og senere, en multipel lineær regression anvendes på dem; dette indebærer, at den effekt, som kovariaterne (uafhængige variable) havde på den afhængige variabel (det vil sige på den variabel, vi studerer), er elimineret.

Kovariater (X) er karakteristika eller målinger for hver eksperimentel enhed eller deltager, som ikke afhænger af behandlingerne (uafhængige variabler), men er relateret til målingen af ​​interesse (Y) (afhængig variabel). Det vil sige, at de har en effekt eller indflydelse på det, vi studerer, men de skyldes ikke behandlingen.

Det betyder, at når X varierer, varierer Y også; Ydermere vil denne variation af X også påvirke den indflydelse, som behandlingerne har på Y. Alt dette gør os interesserede i at eliminere disse påvirkninger (eksperimentelle fejl), fordi de ændrer resultaterne; og dette opnås ved analyse af kovarians.

Et mærkeligt faktum er, at jo flere kovariater vi har, jo mindre variabilitet vil dataene have, og jo mere statistisk kraft vil testen have. Statistisk styrke er sandsynligheden for, at en test korrekt vil identificere den indvirkning, en behandling har på de resultater, vi studerer.

For at tjene os? Mål

Analysen af ​​kovarians bruges til følgende formål: på den ene side at eliminere enhver systematisk fejl, der evt. fordreje resultaterne af en undersøgelse (disse fejl opstår generelt, fordi de er uden for efterforskerens kontrol), og af Andet, etablere forskelle i forskningsdeltagernes svar, der skyldes deres personlige egenskaber.

Dette gør analysen af ​​kovarians brugt til f.eks. at fastslå forskelle mellem behandlinger.

Resultatet, som analysen af ​​kovarians giver os, er en korrigeret score, hvorfra mængden eller værdien, der kan henføres til den udenlandske variabel, er blevet trukket fra.

Analysen af ​​kovarians tillader øge præcisionen af ​​eksperimenter og eliminere virkningerne af variabler, der ikke har noget med behandlingen at gøre, men ikke desto mindre påvirker de resultaterne.

Derudover giver det os mulighed for at få mere information om arten af ​​de behandlinger, vi anvender i vores forskning. I sidste ende hjælper det os med at justere vores resultater for at gøre dem mere pålidelige.

Anvendelsesområder

Analyse af kovarians Det anvendes grundlæggende inden for anvendt statistik. Derfor bruges det flittigt i forskningen; det varierer dog, hvilken type forskning det kan bruges i, og det kan være uddannelses-, klinisk-, landbrugs-, sundhedsforskning mv.

Eksempler (applikationer)

Analyse af kovarians giver os mulighed for at studere for eksempel sammenhængen mellem alder (kovariat) og Angstniveauer (afhængig variabel) efter tilstande (behandlinger), inden for en psykologisk undersøgelse klinik.

Men som vi har set, kan denne teknik bruges i andre former for forskning, for eksempel i landbrugsforskning: en mulig anvendelse af den ville være, hvis vi ønsker at at studere sammenhængen mellem størrelsen af ​​tomaterne (kovariabel) og udbyttet pr. hektar af vores frugtplantage (afhængig variabel) i henhold til tomatsorten (forskellige behandlinger).