Analyse de covariance (ANCOVA): qu'est-ce que c'est et comment est-elle utilisée dans les statistiques

Le domaine des statistiques utilise de nombreuses techniques qui nous permettent d'analyser, de contrôler et d'ajuster les données que nous obtenons lors d'une enquête. L'une d'elles est l'analyse de covariance (ANCOVA).

Cette technique statistique utilise, à son tour, deux stratégies: l'analyse de la variance (ANOVA) et la régression statistique. Cela fait partie des techniques de contrôle de l'erreur expérimentale. Dans cet article, nous allons savoir ce que c'est et comment cela fonctionne.

• Article associé: "Analyse de la variance (ANOVA): qu'est-ce que c'est et comment est-elle utilisée dans les statistiques ?"

les statistiques appliquées

La statistique est la science qui englobe l'ensemble des connaissances, des stratégies et des outils qui permettent de collecter, d'organiser, de présenter, d'analyser et d'interpréter une série de données. Il est utilisé notamment dans des contextes de recherche.

En psychologie, il est de plus en plus étudié tout au long du cursus, car il est considéré comme un outil très intéressant à connaître, et surtout utile, si l'on veut se consacrer à la recherche.

Cette science vise à décrire les résultats obtenus dans une enquête, ainsi que les analyser ou nous aider à prendre des décisions. En psychologie, il est souvent utilisé pour étudier et développer différents traitements et thérapies.

Types de statistiques

Il existe des statistiques descriptives (où les informations extraites concernent l'échantillon) et des statistiques inférentielles (qui extraient des informations sur la population).

Un type de technique largement utilisé en statistique est l'analyse de covariance, qui nous permet d'éliminer l'erreur systématique qui altère nos résultats. Mais c'est un peu plus complexe que cela; Nous l'expliquerons en détail tout au long de l'article.

Analyse de covariance: qu'est-ce que c'est ?

L'analyse de covariance (ANCOVA) est une technique utilisée en statistique, et plus précisément c'est un test paramétrique. Les tests paramétriques dans les statistiques vous permettent d'analyser les facteurs au sein d'une population. De plus, ils permettent de quantifier dans quelle mesure deux variables sont indépendantes.

L'acronyme ANCOVA signifie « Analyse de COVAriance ». En fait, l'ANCOVA combine deux types de stratégies: l'analyse de variance (ANOVA) et l'analyse de régression.

Ici, nous devons nous rappeler que L'ANOVA est une autre technique statistique qui sépare de la variabilité totale de nos résultats, la part due aux sources d'erreur; Ainsi, en plus d'être une technique de contrôle des erreurs, elle découvre l'influence des traitements.

Pour sa part, l'analyse de covariance est également une technique statistique, mais plus complète que l'ANOVA; Comme elle, il sert à réduire l'erreur expérimentale, mais en plus, il applique une régression linéaire multiple (régression statistique) aux résultats.

• Vous etes peut etre intéressé: "Test du chi carré (χ²): qu'est-ce que c'est et comment est-il utilisé dans les statistiques ?"

Technique de contrôle des erreurs

En recherche, il est très important de contrôler les sources d'erreur expérimentale (qui apparaissent en raison de variables étranges), car elles peuvent modifier les résultats et nous éloigner des vrais changements que nous sommes recherche. Ainsi, l'erreur expérimentale inclut les écarts dans les résultats par rapport à la valeur réelle de la grandeur étudiée.

Les techniques visant à réduire l'erreur expérimentale peuvent être de deux types.: techniques a priori (elles sont utilisées avant l'application des traitements et la collecte des données) et techniques a posteriori (elles sont utilisées une fois les données obtenues). L'analyse de covariance appartient au deuxième type et est utilisée lorsque nous avons déjà les données pour notre recherche.

Plus précisément, l'analyse de covariance consiste en une procédure statistique par laquelle parvient à éliminer l'hétérogénéité qui apparaît dans la variable que nous étudions (ceci étant une variable dépendante; par exemple, les niveaux d'anxiété), en raison de l'influence d'une (ou plusieurs) variables indépendantes, qui sont quantitatives, et que nous appellerons covariables (par exemple, la thérapie à différents degrés de intensité).

Plus tard, nous expliquerons en quoi consistent les covariables, comment elles peuvent modifier les résultats d'une enquête et pourquoi l'analyse de covariance est utile dans ces cas.

Fonctionnement

Le fondement théorique de l'analyse de covariance est le suivant (ou "étapes" à suivre): d'abord, une analyse de variance est appliquée aux données (ANOVA), et plus tard, une régression linéaire multiple leur est appliquée; cela implique que l'effet que les covariables (variables indépendantes) ont eu sur la variable dépendante (c'est-à-dire sur la variable que nous étudions) est éliminé.

Les covariables (X) sont des caractéristiques ou des mesures de chaque unité expérimentale ou participant, qui ne dépendent pas des traitements (variables indépendantes), mais sont liés à la mesure d'intérêt (Y) (variable dépendante). Autrement dit, ils ont un effet ou une influence sur ce que nous étudions, mais ils ne sont pas dus au traitement.

Cela signifie que lorsque X varie, Y varie également; De plus, cette variation de X affectera également l'influence que les traitements ont sur Y. Tout cela nous incite à éliminer ces influences (erreurs expérimentales), parce qu'ils modifient les résultats; et ceci est réalisé par analyse de covariance.

Un fait curieux est que plus nous avons de covariables, moins les données auront de variabilité et plus le test aura de puissance statistique. La puissance statistique est la probabilité qu'un test identifie correctement l'impact d'un traitement sur les résultats que nous étudions.

Pour nous servir? Objectifs

L'analyse de covariance est utilisée aux fins suivantes: d'une part, éliminer toute erreur systématique qui pourrait biaiser les résultats d'une enquête (ces erreurs se produisent généralement parce qu'elles échappent au contrôle de l'enquêteur), et par la autre, établir les différences dans les réponses des participants à la recherche qui sont dues à leurs caractéristiques personnelles.

Cela rend l'analyse de covariance utilisée pour établir des différences entre les traitements, par exemple.

Le résultat que nous donne l'analyse de covariance est un score corrigé duquel on a soustrait le montant ou la valeur attribuable à la variable étrangère.

L'analyse de la covariance permet augmenter la précision des expériences et éliminer les effets des variables qui n'ont rien à voir avec le traitement, mais néanmoins, ils influencent les résultats.

De plus, cela nous permet d'obtenir plus d'informations sur la nature des traitements que nous appliquons dans nos recherches. En fin de compte, cela nous aide à ajuster nos résultats pour les rendre plus fiables.

Domaines d'application

Analyse de covariance Il est appliqué fondamentalement dans le domaine des statistiques appliquées. C'est pourquoi il est fréquemment utilisé dans la recherche; cependant, le type de recherche dans lequel il peut être utilisé varie et il peut s'agir de recherche éducative, clinique, agricole, de santé, etc.

Exemples (applications)

L'analyse de covariance nous permet d'étudier, par exemple, la relation entre l'âge (covariable) et Niveaux d'anxiété (variable dépendante) par états (traitements), dans le cadre d'une enquête psychologique clinique.

Mais, comme nous l'avons vu, cette technique peut être utilisée dans d'autres types de recherche, par exemple dans la recherche agricole: une application possible serait si l'on veut étudier la relation entre la taille des tomates (covariable) et le rendement à l'hectare de notre verger (variable dépendante) selon la variété de tomates (différentes traitements).