共分散分析 (ANCOVA): それが何であり、統計でどのように使用されるか

統計の分野では、調査で得たデータを分析、管理、調整するための多くの技術が使用されています。 それらの 1 つは、共分散分析 (ANCOVA) です。.

この統計手法では、分散分析 (ANOVA) と統計的回帰という 2 つの戦略が使用されます。 実験誤差を制御する技術の一部です。 この記事では、それが何であり、どのように機能するかを説明します。

• 関連記事：「分散分析 (ANOVA): それが何であり、統計でどのように使用されるか"

応用統計

統計学は、一連のデータの収集、整理、提示、分析、解釈を可能にするすべての知識、戦略、およびツールを網羅する科学です。 特に研究の文脈で使用されます.

心理学では、それを知ることは非常に興味深いツールであり、研究に専念したい場合に特に役立つと考えられているため、学位全体でますます研究されています.

この科学は、調査で得られた結果を説明することを目的としています、それらを分析したり、意思決定を支援したりします。 心理学では、さまざまな治療法や治療法を研究および開発するためによく使用されます。

統計の種類

記述統計 (抽出される情報がサンプルに関するもの) と推論統計 (母集団に関する情報を抽出する) があります。

統計で広く使用されている技法の一種に、 共分散の分析。これにより、結果を変更している系統誤差を排除できます. しかし、これはこれよりも少し複雑です。 記事全体で詳しく説明します。

共分散分析: それは何ですか?

共分散分析 (ANCOVA) は、統計で使用される手法であり、具体的には それはパラメトリックテストです. 統計内のパラメトリック検定を使用すると、母集団内の要因を分析できます。 さらに、2 つの変数がどの程度独立しているかを定量化できます。

ANCOVA の頭字語は、「Analysis of COVAriance」の略です。 実際、ANCOVA は 2 種類の戦略を組み合わせています。分散分析 (ANOVA) と回帰分析です。

ここで覚えておかなければならないのは ANOVA は、結果の全体的なばらつきから分離するもう 1 つの統計手法です。、エラーの原因による部分。 したがって、エラー制御技術であることに加えて、処理の影響を発見します。

共分散の分析も統計的手法ですが、ANOVA よりも完全です。 彼女のように、実験誤差を減らすために使用されますが、さらに結果に多重線形回帰 (統計回帰) を適用します。

• あなたは興味があるかもしれません: "カイ 2 乗 (χ²) 検定: 検定とは何か、統計でどのように使用されるか"

エラー制御技術

研究では、実験誤差の原因を制御することが非常に重要です (これは、 なぜなら、それらは結果を変え、私たちが本来持っている真の変化から私たちを遠ざける可能性があるからです。 検索中。 したがって、実験誤差には、調査対象の大きさの実際の値に対する結果の偏差が含まれます。

実験誤差を減らすための手法には、2 つのタイプがあります。: 先験的手法 (治療を適用してデータを収集する前に使用される) と事後的手法 (データが取得された後に使用される)。 共分散分析は 2 番目のタイプに属し、研究用のデータが既にある場合に使用されます。

具体的には、共分散の分析は統計的手順で構成されています。 調査している変数に現れる異質性をなんとか排除する (これは従属変数です。 たとえば、不安レベル)、1 つ (または複数) の独立変数の影響により、 量的であり、共変量と呼びます（たとえば、さまざまな程度の治療 強度）。

後で、共変量が何で構成されているか、それらが調査の結果をどのように変更できるか、これらの場合に共分散の分析が役立つ理由について説明します。

機能している

共分散分析の理論的基礎は次のとおりです (または従うべき「手順」): 最初に分散分析がデータに適用され (ANOVA)、その後、 それらに多重線形回帰が適用されます; これは、共変量 (独立変数) が従属変数 (つまり、調査している変数) に及ぼす影響が排除されることを意味します。

共変量 (X) は、各実験単位または参加者の特性または測定値です。、治療 (独立変数) に依存しませんが、関心 (Y) (従属変数) の測定に関連しています。 つまり、それらは私たちが研究しているものに効果または影響を与えますが、治療によるものではありません.

これは、X が変化すると Y も変化することを意味します。 さらに、この X の変動は、処理が Y に与える影響にも影響します。 これらすべてが、これらの影響 (実験的エラー) を排除することに関心を持たせます。、結果を変更するため。 これは、共分散の分析によって達成されます。

興味深い事実は、共変量が多いほど、データの変動性が低くなり、検定の統計的検出力が高くなるということです。 統計的検出力とは、研究対象の結果に対する治療の影響をテストが正しく特定する確率です。

私たちに奉仕するために？ 目標

共分散の分析は、次の目的で使用されます。 調査の結果にバイアスをかける (これらのエラーは通常、調査者の管理外にあるために発生します)。 他の、 個人的な特徴による研究参加者の回答の違いを明らかにする.

これにより、共分散の分析を使用して、たとえば治療間の違いを確立できます。

共分散分析によって得られる結果は、外部変数に起因する金額または値が差し引かれた修正スコアです。

共分散の分析により、 実験の精度を高め、治療とは関係のない変数の影響を排除します、しかし、それらは結果に影響を与えています。

さらに、私たちが研究に適用している治療の性質について、より多くの情報を得ることができます。 最終的には、結果を調整して信頼性を高めるのに役立ちます。

応用分野

共分散の分析 応用統計学の分野で基本的に適用されます. そのため、研究で頻繁に使用されます。 ただし、それを使用できる研究の種類はさまざまであり、教育、臨床、農業、健康研究などである可能性があります。

例（アプリケーション）

共分散の分析により、たとえば、年齢 (共変量) と 心理学調査内の状態 (治療) ごとの不安レベル (従属変数) 診療所。

しかし、これまで見てきたように、この手法は農業研究など、他の種類の研究にも使用できます。 トマトの品種 (異なる 治療）。