Kovariatsiooni analüüs (ANCOVA): mis see on ja kuidas seda statistikas kasutatakse

Statistikavaldkonnas kasutatakse palju tehnikaid, mis võimaldavad meil analüüsida, kontrollida ja kohandada uurimise käigus saadud andmeid. Üks neist on kovariatsioonianalüüs (ANCOVA).

See statistiline tehnika kasutab omakorda kahte strateegiat: dispersioonanalüüs (ANOVA) ja statistiline regressioon. See on osa katsevea kontrollimise tehnikatest. Sellest artiklist saame teada, mis see on ja kuidas see toimib.

• Seotud artikkel: "Dispersioonanalüüs (ANOVA): mis see on ja kuidas seda statistikas kasutatakse"

rakendusstatistika

Statistika on teadus, mis hõlmab kõiki teadmisi, strateegiaid ja tööriistu, mis võimaldavad koguda, korraldada, esitada, analüüsida ja tõlgendada andmeid. Seda kasutatakse eriti uurimistöö kontekstis.

Psühholoogias õpitakse seda üha rohkem kogu kraadi jooksul, kuna seda peetakse väga huvitavaks vahendiks ja eriti kasulikuks, kui tahame teadustööle pühenduda.

Selle teaduse eesmärk on kirjeldada uurimise käigus saadud tulemusi, samuti neid analüüsida või otsuseid langetada. Psühholoogias kasutatakse seda sageli erinevate raviviiside ja teraapiate uurimiseks ja arendamiseks.

Statistilised tüübid

On olemas kirjeldav statistika (kus väljavõetav teave on valimi kohta) ja järeldusstatistika (mis eraldab teavet üldkogumi kohta).

Statistikas laialdaselt kasutatav tehnikatüüp on kovariatsioonianalüüs, mis võimaldab meil kõrvaldada süstemaatilise vea, mis muudab meie tulemusi. Kuid see on natuke keerulisem kui see; Selgitame seda üksikasjalikult kogu artiklis.

Kovariatsiooni analüüs: mis see on?

Kovariatsioonianalüüs (ANCOVA) on statistikas ja konkreetselt kasutatav tehnika see on parameetriline test. Parameetrilised testid statistikas võimaldavad analüüsida populatsiooni sees olevaid tegureid. Lisaks võimaldavad need kvantifitseerida, mil määral on kaks muutujat sõltumatud.

Akronüüm ANCOVA tähistab "ANalysis of COVARiance". Tegelikult ühendab ANCOVA kahte tüüpi strateegiaid: dispersioonanalüüs (ANOVA) koos regressioonianalüüsiga.

Siin peame seda meeles pidama ANOVA on veel üks statistiline meetod, mis eraldab meie tulemuste kogu varieeruvuse, veaallikatest tingitud osa; Seega avastab see lisaks veakontrolli tehnikale ka ravi mõju.

Kovariatsioonianalüüs on omalt poolt samuti statistiline meetod, kuid täielikum kui ANOVA; Sarnaselt temaga kasutatakse seda katsevea vähendamiseks, kuid lisaks rakendab see tulemustele mitmekordset lineaarset regressiooni (statistilist regressiooni).

• Teid võivad huvitada: "Hii-ruut (χ²) test: mis see on ja kuidas seda statistikas kasutatakse"

Veakontrolli tehnika

Uurimistöös on väga oluline kontrollida eksperimentaalsete vigade allikaid (mis ilmnevad kummalised muutujad), kuna need võivad tulemusi muuta ja viia meid eemale tegelikest muutustest, mis me oleme otsimine. Seega hõlmab katseviga neid hälbeid tulemustes uuritava suuruse tegeliku väärtuse suhtes.

Meetodeid, mis püüavad vähendada katseviga, võivad olla kahte tüüpi.: a priori tehnikad (neid kasutatakse enne ravi rakendamist ja andmete kogumist) ja a posteriori tehnikad (neid kasutatakse pärast andmete saamist). Kovariatsioonianalüüs kuulub teise tüüpi ja seda kasutatakse siis, kui meil on juba uurimiseks vajalikud andmed.

Täpsemalt koosneb kovariatsioonianalüüs statistilisest protseduurist, mille abil suudab kõrvaldada uuritavas muutujas ilmneva heterogeensuse (see on sõltuv muutuja; näiteks ärevuse tasemed), ühe (või mitme) sõltumatu muutuja mõju tõttu, mis on kvantitatiivsed ja mida me nimetame ühismuutujateks (näiteks teraapia erineval määral intensiivsus).

Hiljem selgitame, millest koosnevad ühismuutujad, kuidas need võivad uurimistulemusi muuta ja miks on kovariatsioonianalüüs nendel juhtudel kasulik.

Toimimine

Kovariatsioonianalüüsi teoreetiline alus on järgmine (või järgitavad sammud): esiteks rakendatakse andmetele dispersioonanalüüsi (ANOVA) ja hiljem, neile rakendatakse lineaarset mitmekordset regressiooni; see tähendab, et ühismuutujate (sõltumatute muutujate) mõju sõltuvale muutujale (st muutujale, mida me uurime) on elimineeritud.

Ühismuutujad (X) on iga katseüksuse või osaleja omadused või mõõtmised, mis ei sõltu raviviisidest (sõltumatutest muutujatest), vaid on seotud huvipakkuva mõõtmisega (Y) (sõltuv muutuja). See tähendab, et need mõjutavad või mõjutavad seda, mida me uurime, kuid need ei ole tingitud ravist.

See tähendab, et kui X muutub, muutub ka Y; Lisaks mõjutab see X variatsioon ka ravi mõju Y-le. Kõik see muudab meid huvitatud nende mõjude (katsevead) kõrvaldamisest., kuna need muudavad tulemusi; ja see saavutatakse kovariatsiooni analüüsiga.

Huvitav on see, et mida rohkem meil on ühismuutujaid, seda väiksem on andmete varieeruvus ja seda suurem on testi statistiline jõud. Statistiline võimsus on tõenäosus, et test tuvastab õigesti ravi mõju uuritavatele tulemustele.

Meie teenimise eest? Eesmärgid

Kovariatsioonianalüüsi kasutatakse järgmistel eesmärkidel: ühelt poolt, et kõrvaldada kõik võimalikud süstemaatilised vead kallutab uurimise tulemusi (need vead tekivad tavaliselt seetõttu, et need on väljaspool uurija kontrolli) ja muu, tuvastada uuringus osalejate vastuste erinevused, mis tulenevad nende isikuomadustest.

Seetõttu kasutatakse kovariatsiooni analüüsi näiteks raviviiside erinevuste tuvastamiseks.

Tulemus, mille kovariatsioonianalüüs meile annab, on korrigeeritud skoor, millest on lahutatud võõrmuutujale omistatav summa või väärtus.

Kovariatsioonianalüüs võimaldab suurendada katsete täpsust ja kõrvaldada muutujate mõju, millel pole raviga mingit pistmist, kuid sellest hoolimata mõjutavad need tulemusi.

Lisaks võimaldab see meil saada rohkem teavet oma uurimistöös kasutatavate ravimeetodite olemuse kohta. Lõppkokkuvõttes aitab see meil tulemusi usaldusväärsemaks muuta.

Kasutusvaldkonnad

Kovariatsiooni analüüs Seda rakendatakse põhimõtteliselt rakendusstatistika valdkonnas. Seetõttu kasutatakse seda sageli teadusuuringutes; kuid seda tüüpi uuringud, milles seda kasutada saab, on erinevad ja need võivad olla hariduslikud, kliinilised, põllumajanduslikud, terviseuuringud jne.

Näited (rakendused)

Kovariatsiooni analüüs võimaldab uurida näiteks seost vanuse (covariate) ja Ärevustasemed (sõltuv muutuja) seisundite (ravimeetodite) kaupa psühholoogilise uurimise raames kliinik.

Kuid nagu nägime, saab seda tehnikat kasutada ka teist tüüpi uuringutes, näiteks põllumajandusuuringutes: selle võimalik rakendus oleks, kui tahame uurida tomatite suuruse (ühismuutuja) ja meie viljapuuaia hektarisaagi (sõltuv muutuja) vahelist seost vastavalt tomatisordile (erinev ravid).