კოვარიანტობის ანალიზი (ANCOVA): რა არის და როგორ გამოიყენება სტატისტიკაში

სტატისტიკის სფერო იყენებს მრავალ ტექნიკას, რომელიც საშუალებას გვაძლევს გავაანალიზოთ, გავაკონტროლოთ და დაარეგულიროთ გამოძიების შედეგად მიღებული მონაცემები. ერთ-ერთი მათგანია კოვარიანტობის ანალიზი (ANCOVA).

ეს სტატისტიკური ტექნიკა თავის მხრივ იყენებს ორ სტრატეგიას: დისპერსიის ანალიზს (ANOVA) და სტატისტიკურ რეგრესიას. ეს არის ექსპერიმენტული შეცდომის კონტროლის ტექნიკის ნაწილი. ამ სტატიაში ჩვენ გავიგებთ რა არის და როგორ მუშაობს.

• დაკავშირებული სტატია: "ვარიანტობის ანალიზი (ANOVA): რა არის და როგორ გამოიყენება სტატისტიკაში"

გამოყენებითი სტატისტიკა

სტატისტიკა არის მეცნიერება, რომელიც მოიცავს ყველა ცოდნას, სტრატეგიას და ინსტრუმენტს, რომელიც საშუალებას იძლევა შეაგროვოს, მოაწყოს, წარმოადგინოს, გააანალიზოს და ინტერპრეტაცია მოახდინოს მონაცემთა სერიის შესახებ. იგი გამოიყენება განსაკუთრებით კვლევის კონტექსტში.

ფსიქოლოგიაში ის სულ უფრო და უფრო სწავლობს მთელ ხარისხს, ვინაიდან იგი ითვლება ძალიან საინტერესო ინსტრუმენტად შესასწავლად და განსაკუთრებით გამოსადეგად, თუ გვინდა მივუძღვნათ თავი კვლევას.

ეს მეცნიერება მიზნად ისახავს გამოძიების შედეგად მიღებული შედეგების აღწერას

, ასევე გააანალიზეთ ისინი ან დაგვეხმარება გადაწყვეტილების მიღებაში. ფსიქოლოგიაში მას ხშირად იყენებენ სხვადასხვა მკურნალობისა და თერაპიის შესასწავლად და შესამუშავებლად.

სტატისტიკის ტიპები

არსებობს აღწერითი სტატისტიკა (სადაც ამოღებული ინფორმაცია არის ნიმუშის შესახებ) და დასკვნის სტატისტიკა (რომელიც ამოიღებს ინფორმაციას მოსახლეობის შესახებ).

სტატისტიკაში ფართოდ გავრცელებული ტექნიკის ტიპია კოვარიანტობის ანალიზი, რომელიც საშუალებას გვაძლევს აღმოვფხვრათ სისტემატური შეცდომა, რომელიც ცვლის ჩვენს შედეგებს. მაგრამ ეს ცოტა უფრო რთულია, ვიდრე ეს; მას დეტალურად განვმარტავთ მთელი სტატიის განმავლობაში.

კოვარიანტობის ანალიზი: რა არის ეს?

კოვარიანსის ანალიზი (ANCOVA) არის ტექნიკა, რომელიც გამოიყენება სტატისტიკაში და კონკრეტულად ეს არის პარამეტრული ტესტი. სტატისტიკის ფარგლებში პარამეტრული ტესტები საშუალებას გაძლევთ გაანალიზოთ ფაქტორები პოპულაციაში. გარდა ამისა, ისინი საშუალებას გაძლევთ განსაზღვროთ რამდენად დამოუკიდებელია ორი ცვლადი.

აკრონიმი ANCOVA ნიშნავს „COVAriance-ის ანალიზს“. სინამდვილეში, ANCOVA აერთიანებს ორი ტიპის სტრატეგიას: ვარიანტობის ანალიზს (ANOVA) რეგრესიულ ანალიზთან ერთად.

აი ეს უნდა გვახსოვდეს ANOVA არის კიდევ ერთი სტატისტიკური ტექნიკა, რომელიც გამოყოფს ჩვენი შედეგების მთლიან ცვალებადობას, ნაწილი, რომელიც გამოწვეულია შეცდომის წყაროებით; ამრიგად, გარდა იმისა, რომ არის შეცდომების კონტროლის ტექნიკა, ის აღმოაჩენს მკურნალობის გავლენას.

თავის მხრივ, კოვარიანტობის ანალიზი ასევე სტატისტიკური ტექნიკაა, მაგრამ უფრო სრულყოფილი ვიდრე ANOVA; მის მსგავსად, იგი გამოიყენება ექსპერიმენტული შეცდომის შესამცირებლად, მაგრამ გარდა ამისა, ის იყენებს მრავალჯერადი წრფივი რეგრესიას (სტატისტიკური რეგრესია) შედეგებს.

• შეიძლება დაგაინტერესოთ: "Chi-square (χ²) ტესტი: რა არის და როგორ გამოიყენება სტატისტიკაში"

შეცდომების კონტროლის ტექნიკა

კვლევაში ძალიან მნიშვნელოვანია ექსპერიმენტული შეცდომის წყაროების კონტროლი (რომლებიც ჩნდება იმის გამო უცნაური ცვლადები), რადგან მათ შეუძლიათ შეცვალონ შედეგები და დაგვაშორონ იმ ნამდვილ ცვლილებებს, რაც ჩვენ ვართ ეძებს. ამრიგად, ექსპერიმენტული შეცდომა მოიცავს შედეგებში იმ გადახრებს შესწავლილი სიდიდის რეალურ მნიშვნელობასთან მიმართებაში.

ტექნიკა, რომელიც ცდილობს ექსპერიმენტული შეცდომის შემცირებას, შეიძლება იყოს ორი ტიპის.: a priori ტექნიკა (ისინი გამოიყენება მკურნალობის გამოყენებამდე და მონაცემების შეგროვებამდე) და a posteriori ტექნიკა (ისინი გამოიყენება მონაცემების მიღების შემდეგ). კოვარიანტობის ანალიზი მიეკუთვნება მეორე ტიპს და გამოიყენება მაშინ, როდესაც უკვე გვაქვს ჩვენი კვლევის მონაცემები.

კონკრეტულად, კოვარიანტობის ანალიზი შედგება სტატისტიკური პროცედურისგან, რომლის საშუალებითაც ახერხებს აღმოფხვრას ჰეტეროგენულობა, რომელიც ჩნდება ცვლადში, რომელსაც ჩვენ ვსწავლობთ (ეს არის დამოკიდებული ცვლადი; მაგალითად, შფოთვის დონეები), ერთი (ან მეტი) დამოუკიდებელი ცვლადის გავლენის გამო, რომელიც არის რაოდენობრივი და რომელსაც ჩვენ დავარქმევთ კოვარიატებს (მაგალითად, თერაპია სხვადასხვა ხარისხით ინტენსივობა).

მოგვიანებით ჩვენ განვმარტავთ, რისგან შედგება კოვარიატები, როგორ შეუძლიათ მათ შეცვალონ გამოკვლევის შედეგები და რატომ არის კოვარიანტობის ანალიზი სასარგებლო ამ შემთხვევებში.

ფუნქციონირებს

კოვარიანტობის ანალიზის თეორიული საფუძველი შემდეგია (ან „ნაბიჯები“, რომლებიც უნდა დაიცვათ): პირველ რიგში, დისპერსიის ანალიზი გამოიყენება მონაცემებზე (ANOVA), შემდეგ კი, მათზე გამოიყენება მრავალჯერადი წრფივი რეგრესია; ეს გულისხმობს, რომ კოვარიატების (დამოუკიდებელ ცვლადებს) გავლენა დამოკიდებულ ცვლადზე (ანუ ცვლადზე, რომელსაც ჩვენ ვსწავლობთ) აღმოიფხვრა.

კოვარიატები (X) არის თითოეული ექსპერიმენტული ერთეულის ან მონაწილის მახასიათებლები ან გაზომვები, რომლებიც არ არის დამოკიდებული მკურნალობაზე (დამოუკიდებელ ცვლადებზე), მაგრამ დაკავშირებულია ინტერესის გაზომვასთან (Y) (დამოკიდებული ცვლადი). ანუ მათ აქვთ გავლენა ან გავლენა იმაზე, რასაც ჩვენ ვსწავლობთ, მაგრამ ეს არ არის განპირობებული მკურნალობით.

ეს ნიშნავს, რომ როდესაც X იცვლება, Y ასევე იცვლება; გარდა ამისა, X-ის ეს ცვალებადობა ასევე გავლენას მოახდენს მკურნალობაზე Y-ზე. ეს ყველაფერი გვაინტერესებს ამ გავლენის აღმოფხვრაში (ექსპერიმენტული შეცდომები), რადგან ისინი ცვლიან შედეგებს; და ეს მიიღწევა კოვარიანტობის ანალიზით.

კურიოზული ფაქტია, რომ რაც უფრო მეტი კოვარიატები გვექნება, მით ნაკლები ცვალებადობა ექნება მონაცემებს და მეტი სტატისტიკური ძალა ექნება ტესტს. სტატისტიკური ძალა არის ალბათობა იმისა, რომ ტესტი სწორად განსაზღვრავს გავლენას, რომელსაც მკურნალობა აქვს იმ შედეგებზე, რომლებსაც ჩვენ ვსწავლობთ.

ჩვენთვის სამსახურში? მიზნები

კოვარიანტობის ანალიზი გამოიყენება შემდეგი მიზნებისთვის: ერთის მხრივ, ნებისმიერი სისტემური შეცდომის აღმოსაფხვრელად, რომელიც შეიძლება მიკერძოებული გამოძიების შედეგები (ეს შეცდომები ძირითადად ხდება იმის გამო, რომ ისინი არ არიან მკვლევარის კონტროლს), და სხვა, დაადგინეთ კვლევის მონაწილეთა პასუხებში განსხვავებები, რომლებიც განპირობებულია მათი პიროვნული მახასიათებლებით.

ეს ხდის კოვარიანსის ანალიზს, რომელიც გამოიყენება მკურნალობას შორის განსხვავებების დასადგენად, მაგალითად.

შედეგი, რომელსაც კოვარიანტობის ანალიზი გვაძლევს არის შესწორებული ქულა, საიდანაც გამოკლებულია უცხოური ცვლადისთვის მიკუთვნებული თანხა ან მნიშვნელობა.

კოვარიანტობის ანალიზი იძლევა საშუალებას გაზარდოს ექსპერიმენტების სიზუსტე და აღმოფხვრა ცვლადების ეფექტი, რომლებსაც არანაირი კავშირი არ აქვთ მკურნალობასთან, მაგრამ მიუხედავად ამისა, ისინი გავლენას ახდენენ შედეგებზე.

გარდა ამისა, ის საშუალებას გვაძლევს მივიღოთ მეტი ინფორმაცია იმ მკურნალობის ბუნების შესახებ, რომელსაც ჩვენ ვიყენებთ ჩვენს კვლევაში. საბოლოო ჯამში, ის გვეხმარება დაარეგულიროთ ჩვენი შედეგები, რათა უფრო სანდო გავხადოთ.

გამოყენების სფეროები

კოვარიანტობის ანალიზი იგი ფუნდამენტურად გამოიყენება გამოყენებითი სტატისტიკის სფეროში. ამიტომაც მას ხშირად იყენებენ კვლევებში; თუმცა, კვლევის ტიპი, რომელშიც მისი გამოყენება შესაძლებელია, განსხვავდება და ეს შეიძლება იყოს საგანმანათლებლო, კლინიკური, სასოფლო-სამეურნეო, ჯანდაცვის კვლევა და ა.შ.

მაგალითები (აპლიკაციები)

კოვარიანტობის ანალიზი საშუალებას გვაძლევს შევისწავლოთ, მაგალითად, ასაკი (კოვარიატი) და შფოთვის დონეები (დამოკიდებული ცვლადი) მდგომარეობების მიხედვით (მკურნალობა), ფსიქოლოგიური გამოკვლევის ფარგლებში კლინიკა.

მაგრამ, როგორც ვნახეთ, ეს ტექნიკა შეიძლება გამოვიყენოთ სხვა ტიპის კვლევებში, მაგალითად, სასოფლო-სამეურნეო კვლევებში: მისი შესაძლო გამოყენება იქნება, თუ გვსურს პომიდვრის სიდიდის (კოცვლადი) და ჩვენი ბაღის ჰექტარზე მოსავლიანობის (დამოკიდებული ცვლადი) ურთიერთკავშირის შესწავლა პომიდვრის ჯიშის მიხედვით (სხვადასხვა მკურნალობა).