Analyse der Kovarianz (ANCOVA): was es ist und wie es in der Statistik verwendet wird

Im Bereich der Statistik werden viele Techniken verwendet, die es uns ermöglichen, die Daten, die wir bei einer Untersuchung erhalten, zu analysieren, zu kontrollieren und anzupassen. Eine davon ist die Analyse der Kovarianz (ANCOVA).

Diese statistische Technik verwendet wiederum zwei Strategien: Varianzanalyse (ANOVA) und statistische Regression. Es ist Teil der Techniken, um den experimentellen Fehler zu kontrollieren. In diesem Artikel werden wir wissen, was es ist und wie es funktioniert.

• Verwandter Artikel: "Varianzanalyse (ANOVA): was es ist und wie es in der Statistik verwendet wird"

angewendete Statistiken

Statistik ist die Wissenschaft, die alle Kenntnisse, Strategien und Werkzeuge umfasst, die das Sammeln, Organisieren, Präsentieren, Analysieren und Interpretieren einer Reihe von Daten ermöglichen. Es wird insbesondere in Forschungskontexten verwendet.

In der Psychologie wird es im Laufe des Studiums immer mehr studiert, da es als sehr interessantes Werkzeug gilt und besonders nützlich ist, wenn wir uns der Forschung widmen wollen.

Diese Wissenschaft zielt darauf ab, die Ergebnisse einer Untersuchung zu beschreiben, sowie diese analysieren oder uns bei der Entscheidungsfindung helfen. In der Psychologie wird es oft verwendet, um verschiedene Behandlungen und Therapien zu studieren und zu entwickeln.

Statistiktypen

Es gibt deskriptive Statistiken (wobei die extrahierten Informationen die Stichprobe betreffen) und inferentielle Statistiken (die Informationen über die Grundgesamtheit extrahieren).

Eine Art von Technik, die in der Statistik weit verbreitet ist, ist die Analyse der Kovarianz, die es uns ermöglicht, den systematischen Fehler zu eliminieren, der unsere Ergebnisse verändert. Aber es ist ein bisschen komplexer als das; Wir werden es im Laufe des Artikels ausführlich erklären.

Analyse der Kovarianz: Was ist das?

Die Analyse der Kovarianz (ANCOVA) ist eine Technik, die in der Statistik und insbesondere verwendet wird es ist ein parametrischer Test. Parametrische Tests innerhalb der Statistik ermöglichen es Ihnen, Faktoren innerhalb einer Grundgesamtheit zu analysieren. Außerdem erlauben sie es zu quantifizieren, inwieweit zwei Variablen unabhängig sind.

Das Akronym ANCOVA steht für „ANalysis of COVAriance“. Tatsächlich kombiniert ANCOVA zwei Arten von Strategien: Varianzanalyse (ANOVA) zusammen mit Regressionsanalyse.

Hier müssen wir uns daran erinnern ANOVA ist eine weitere statistische Technik, die von der Gesamtvariabilität unserer Ergebnisse trennt, der Teil aufgrund von Fehlerquellen; Somit entdeckt es nicht nur eine Fehlerkontrolltechnik, sondern auch den Einfluss der Behandlungen.

Die Analyse der Kovarianz ist ihrerseits ebenfalls eine statistische Technik, aber vollständiger als die ANOVA; Wie sie wird es verwendet, um den experimentellen Fehler zu reduzieren, wendet aber zusätzlich eine multiple lineare Regression (statistische Regression) auf die Ergebnisse an.

• Das könnte Sie interessieren: "Chi-Quadrat (χ²)-Test: Was es ist und wie es in der Statistik verwendet wird"

Fehlerkontrolltechnik

In der Forschung ist es sehr wichtig, die Quellen experimenteller Fehler (die aufgrund von auftreten seltsame Variablen), da sie die Ergebnisse verändern und uns von den wahren Veränderungen, die wir sind, wegbringen können suchen. Der experimentelle Fehler umfasst also jene Abweichungen der Ergebnisse in Bezug auf den realen Wert der untersuchten Größe.

Die Techniken, die darauf abzielen, den experimentellen Fehler zu verringern, können von zwei Typen sein.: A-priori-Techniken (sie werden vor der Anwendung der Behandlungen und dem Sammeln der Daten verwendet) und a-posteriori-Techniken (sie werden verwendet, sobald die Daten erhalten wurden). Die Analyse der Kovarianz gehört zum zweiten Typ und wird verwendet, wenn wir bereits die Daten für unsere Forschung haben.

Konkret besteht die Analyse der Kovarianz aus einem statistischen Verfahren, mit dem schafft es, die Heterogenität zu eliminieren, die in der von uns untersuchten Variablen auftritt (Dies ist eine abhängige Variable; zum Beispiel Angstzustände), aufgrund des Einflusses einer (oder mehrerer) unabhängiger Variablen, die sind quantitativ und werden wir Kovariaten nennen (z. B. Therapie in verschiedenen Graden von Intensität).

Später werden wir erklären, woraus Kovariaten bestehen, wie sie die Ergebnisse einer Untersuchung verändern können und warum die Analyse der Kovarianz in diesen Fällen nützlich ist.

Funktion

Die theoretische Grundlage der Kovarianzanalyse ist die folgende (oder zu befolgende "Schritte"): Zuerst wird eine Varianzanalyse auf die Daten angewendet (ANOVA) und später auf sie wird eine multiple lineare Regression angewendet; dies impliziert, dass der Effekt, den die Kovariaten (unabhängige Variablen) auf die abhängige Variable (d. h. auf die untersuchte Variable) hatten, eliminiert wird.

Kovariaten (X) sind Eigenschaften oder Messungen jeder experimentellen Einheit oder jedes Teilnehmers, die nicht von den Behandlungen abhängen (unabhängige Variablen), sondern mit der interessierenden Messung (Y) (abhängige Variable) zusammenhängen. Das heißt, sie haben eine Wirkung oder einen Einfluss auf das, was wir untersuchen, aber sie sind nicht auf die Behandlung zurückzuführen.

Das heißt, wenn X variiert, variiert auch Y; Darüber hinaus wirkt sich diese Variation von X auch auf den Einfluss aus, den die Behandlungen auf Y haben. All dies macht uns daran interessiert, diese Einflüsse (experimentelle Fehler) zu eliminieren., weil sie die Ergebnisse verändern; und dies wird durch Analyse der Kovarianz erreicht.

Eine merkwürdige Tatsache ist, dass je mehr Kovariaten wir haben, desto weniger Variabilität haben die Daten und desto mehr statistische Aussagekraft hat der Test. Die statistische Aussagekraft ist die Wahrscheinlichkeit, dass ein Test die Auswirkungen einer Behandlung auf die von uns untersuchten Ergebnisse korrekt identifiziert.

Um uns zu dienen? Ziele

Die Analyse der Kovarianz wird zu folgenden Zwecken verwendet: Einerseits um eventuelle systematische Fehler zu eliminieren die Ergebnisse einer Untersuchung verfälschen (diese Fehler treten im Allgemeinen auf, weil sie außerhalb der Kontrolle des Ermittlers liegen), und durch die andere, Stellen Sie die Unterschiede in den Antworten der Forschungsteilnehmer fest, die auf ihre persönlichen Eigenschaften zurückzuführen sind.

Dadurch wird die Analyse der Kovarianz verwendet, um beispielsweise Unterschiede zwischen Behandlungen festzustellen.

Das Ergebnis, das uns die Kovarianzanalyse liefert, ist ein korrigierter Wert, von dem der der Fremdvariablen zuzurechnende Betrag oder Wert abgezogen wurde.

Die Analyse der Kovarianz ermöglicht erhöhen die Genauigkeit von Experimenten und eliminieren die Auswirkungen von Variablen, die nichts mit der Behandlung zu tun haben, aber dennoch beeinflussen sie die Ergebnisse.

Darüber hinaus ermöglicht es uns, mehr Informationen über die Art der Behandlungen zu erhalten, die wir in unserer Forschung anwenden. Letztendlich hilft es uns, unsere Ergebnisse anzupassen, um sie zuverlässiger zu machen.

Anwendungsgebiete

Analyse der Kovarianz Es wird grundlegend im Bereich der angewandten Statistik angewendet. Deshalb wird es häufig in der Forschung eingesetzt; Die Art der Forschung, in der es verwendet werden kann, variiert jedoch und kann pädagogische, klinische, landwirtschaftliche, Gesundheitsforschung usw. sein.

Beispiele (Anwendungen)

Die Analyse der Kovarianz ermöglicht es uns beispielsweise, die Beziehung zwischen Alter (Kovariate) und zu untersuchen Angstniveaus (abhängige Variable) nach Zuständen (Behandlungen) innerhalb einer psychologischen Untersuchung Klinik.

Aber wie wir gesehen haben, kann diese Technik auch in anderen Arten von Forschung eingesetzt werden, zum Beispiel in der Agrarforschung: Eine mögliche Anwendung wäre, wenn wir wollen die Beziehung zwischen der Größe der Tomaten (Kovariable) und dem Hektarertrag unseres Obstgartens (abhängige Variable) je nach Tomatensorte (verschieden Behandlungen).