Analisi della covarianza (ANCOVA): cos'è e come si usa in statistica

Il campo della statistica utilizza molte tecniche che ci consentono di analizzare, controllare e regolare i dati che otteniamo in un'indagine. Uno di questi è l'analisi della covarianza (ANCOVA).

Questa tecnica statistica utilizza, a sua volta, due strategie: l'analisi della varianza (ANOVA) e la regressione statistica. Fa parte delle tecniche per controllare l'errore sperimentale. In questo articolo scopriremo di cosa si tratta e come funziona.

• Articolo correlato: "Analisi della varianza (ANOVA): cos'è e come viene utilizzata in statistica"

statistica applicata

La statistica è la scienza che racchiude in sé tutte le conoscenze, le strategie e gli strumenti che consentono di raccogliere, organizzare, presentare, analizzare e interpretare una serie di dati. Viene utilizzato soprattutto in contesti di ricerca.

In psicologia si studia sempre di più durante tutto il corso di laurea, poiché è considerato uno strumento molto interessante da conoscere, e soprattutto utile, se vogliamo dedicarci alla ricerca.

Questa scienza mira a descrivere i risultati ottenuti in un'indagine, così come analizzarli o aiutarci a prendere decisioni. In psicologia, viene spesso utilizzato per studiare e sviluppare diversi trattamenti e terapie.

Tipi di statistiche

Esistono statistiche descrittive (dove le informazioni estratte riguardano il campione) e statistiche inferenziali (che estraggono informazioni sulla popolazione).

Un tipo di tecnica ampiamente utilizzato nelle statistiche è l'analisi della covarianza, che ci permette di eliminare l'errore sistematico che sta alterando i nostri risultati. Ma è un po' più complesso di così; Lo spiegheremo in dettaglio in tutto l'articolo.

Analisi della covarianza: che cos'è?

L'analisi della covarianza (ANCOVA) è una tecnica utilizzata in statistica, e nello specifico è un test parametrico. I test parametrici all'interno delle statistiche consentono di analizzare i fattori all'interno di una popolazione. Inoltre, consentono di quantificare in che misura due variabili sono indipendenti.

L'acronimo ANCOVA sta per “ANalysis of COVAriance”. In realtà, ANCOVA combina due tipi di strategie: l'analisi della varianza (ANOVA) insieme all'analisi di regressione.

Qui dobbiamo ricordarlo ANOVA è un'altra tecnica statistica che separa dalla variabilità totale dei nostri risultati, la parte dovuta a fonti di errore; Così, oltre ad essere una tecnica di controllo degli errori, scopre l'influenza dei trattamenti.

Da parte sua, anche l'analisi della covarianza è una tecnica statistica, ma più completa dell'ANOVA; Come lei, viene utilizzato per ridurre l'errore sperimentale, ma in aggiunta applica una regressione lineare multipla (regressione statistica) ai risultati.

• Potrebbe interessarti: "Test chi-quadrato (χ²): cos'è e come viene utilizzato in statistica"

Tecnica di controllo degli errori

Nella ricerca è molto importante controllare le fonti di errore sperimentale (che appaiono dovute a strane variabili), poiché possono alterare i risultati e allontanarci dai veri cambiamenti che siamo ricerca. Pertanto, l'errore sperimentale include quelle deviazioni nei risultati rispetto al valore reale della grandezza che si sta studiando.

Le tecniche che cercano di ridurre l'errore sperimentale possono essere di due tipi.: tecniche a priori (vengono utilizzate prima di applicare i trattamenti e raccogliere i dati) e tecniche a posteriori (vengono utilizzate una volta ottenuti i dati). L'analisi della covarianza appartiene al secondo tipo e viene utilizzata quando abbiamo già i dati per la nostra ricerca.

Nello specifico, l'analisi di covarianza consiste in una procedura statistica mediante la quale riesce ad eliminare l'eterogeneità che appare nella variabile che stiamo studiando (essendo questa una variabile dipendente; ad esempio, livelli di ansia), a causa dell'influenza di una (o più) variabili indipendenti, che sono quantitativi e che chiameremo covariate (ad esempio, terapia in diversi gradi di intensità).

Più avanti spiegheremo in cosa consistono le covariate, come possono alterare i risultati di un'indagine e perché l'analisi della covarianza è utile in questi casi.

Funzionamento

Il fondamento teorico dell'analisi della covarianza è il seguente (o "passi" da seguire): in primo luogo, viene applicata ai dati un'analisi della varianza (ANOVA), e successivamente, ad essi viene applicata una regressione lineare multipla; questo implica che l'effetto che le covariate (variabili indipendenti) avevano sulla variabile dipendente (cioè sulla variabile che stiamo studiando) viene eliminato.

Le covariate (X) sono caratteristiche o misurazioni di ciascuna unità sperimentale o partecipante, che non dipendono dai trattamenti (variabili indipendenti), ma sono legati alla misura di interesse (Y) (variabile dipendente). Cioè, hanno un effetto o un'influenza su ciò che stiamo studiando, ma non sono dovuti al trattamento.

Ciò significa che quando X varia, varia anche Y; Inoltre, questa variazione di X influenzerà anche l'influenza che i trattamenti hanno su Y. Tutto questo ci rende interessati ad eliminare queste influenze (errori sperimentali), perché alterano i risultati; e questo si ottiene mediante l'analisi della covarianza.

Un fatto curioso è che più covariate abbiamo, minore sarà la variabilità dei dati e maggiore sarà il potere statistico del test. Il potere statistico è la probabilità che un test identifichi correttamente l'impatto che un trattamento ha sui risultati che stiamo studiando.

Per averci servito? Obiettivi

L'analisi della covarianza viene utilizzata per i seguenti scopi: da un lato, per eliminare qualsiasi errore sistematico che può bias i risultati di un'indagine (questi errori si verificano generalmente perché sono al di fuori del controllo dell'investigatore), e dal altro, stabilire le differenze nelle risposte dei partecipanti alla ricerca dovute alle loro caratteristiche personali.

Ciò rende l'analisi della covarianza utilizzata per stabilire le differenze tra i trattamenti, ad esempio.

Il risultato che ci fornisce l'analisi di covarianza è un punteggio corretto da cui è stata sottratta la quantità o il valore attribuibile alla variabile esterna.

L'analisi della covarianza consente aumentare la precisione degli esperimenti ed eliminare gli effetti delle variabili che non hanno nulla a che fare con il trattamento, ma comunque stanno influenzando i risultati.

Inoltre, ci consente di ottenere maggiori informazioni sulla natura dei trattamenti che stiamo applicando nella nostra ricerca. In definitiva, ci aiuta ad adattare i nostri risultati per renderli più affidabili.

Campi di applicazione

Analisi della covarianza Si applica fondamentalmente nel campo della statistica applicata. Ecco perché è spesso utilizzato nella ricerca; tuttavia, il tipo di ricerca in cui può essere utilizzato varia e può essere la ricerca educativa, clinica, agricola, sanitaria, ecc.

Esempi (applicazioni)

L'analisi della covarianza ci consente di studiare, ad esempio, la relazione tra età (covariata) e Livelli di ansia (variabile dipendente) per stati (trattamenti), all'interno di un'indagine psicologica clinica.

Ma, come abbiamo visto, questa tecnica può essere utilizzata in altri tipi di ricerca, ad esempio nella ricerca agraria: una sua possibile applicazione sarebbe se si volesse studiare la relazione tra la dimensione dei pomodori (covariabile) e la resa per ettaro del nostro frutteto (variabile dipendente) in funzione della varietà di pomodoro (differenti trattamenti).