공분산 분석(ANCOVA): 정의 및 통계에서 사용 방법
통계 분야에서는 조사에서 얻은 데이터를 분석, 제어 및 조정할 수 있는 많은 기술을 사용합니다. 그중 하나가 공분산 분석(ANCOVA)입니다..
이 통계 기법은 분산 분석(ANOVA)과 통계적 회귀라는 두 가지 전략을 차례로 사용합니다. 실험 오차를 제어하는 기술의 일부입니다. 이 기사에서 우리는 그것이 무엇이며 어떻게 작동하는지 알게 될 것입니다.
- 관련 기사: "분산 분석(ANOVA): 정의 및 통계에 사용되는 방법"
응용통계
통계는 일련의 데이터를 수집, 구성, 제시, 분석 및 해석할 수 있는 모든 지식, 전략 및 도구를 포괄하는 과학입니다. 특히 연구 상황에서 사용됩니다..
심리학에서는 알 수 있는 매우 흥미로운 도구로 간주되고 연구에 전념하려는 경우 특히 유용하기 때문에 학위 전체에서 점점 더 많이 연구됩니다.
이 과학은 조사에서 얻은 결과를 설명하는 것을 목표로 합니다., 뿐만 아니라 이를 분석하거나 결정을 내리는 데 도움을 줍니다. 심리학에서는 종종 다양한 치료법과 치료법을 연구하고 개발하는 데 사용됩니다.
통계 유형
기술통계(추출되는 정보가 표본에 관한 것임)와 추론통계(모집단에 대한 정보를 추출하는 것)가 있습니다.
통계에서 널리 사용되는 기술의 한 유형은 다음과 같습니다. 결과를 변경하는 체계적 오류를 제거할 수 있는 공분산 분석. 하지만 이것보다 조금 더 복잡합니다. 기사 전체에서 자세히 설명하겠습니다.
공분산 분석: 무엇입니까?
공분산 분석(ANCOVA)은 통계에 사용되는 기술이며 특히 파라메트릭 테스트입니다. 통계 내의 파라메트릭 테스트를 통해 모집단 내의 요인을 분석할 수 있습니다. 또한 두 변수가 독립적인 정도를 정량화할 수 있습니다.
약어 ANCOVA는 "ANalysis of COVAriance"를 나타냅니다. 실제로 ANCOVA는 분산 분석(ANOVA)과 회귀 분석의 두 가지 유형의 전략을 결합합니다.
여기서 우리가 기억해야 할 것은 ANOVA는 결과의 전체 변동성과 분리하는 또 다른 통계 기법입니다., 오류 원인으로 인한 부분; 따라서 오류 제어 기술인 동시에 처리의 영향을 발견합니다.
그 부분에서 공분산 분석은 통계적 기술이지만 ANOVA보다 더 완벽합니다. 그녀와 마찬가지로 실험오차를 줄이기 위해 사용하지만 추가적으로 결과에 다중선형회귀(통계회귀)를 적용한다.
- 다음 항목에 관심이 있을 수 있습니다. "카이 제곱(χ²) 테스트: 정의 및 통계에서 사용되는 방법"
오류 제어 기술
연구에서 실험 오류의 원인을 통제하는 것은 매우 중요합니다. 이상한 변수), 결과를 변경하고 실제 변화에서 멀어지게 할 수 있기 때문입니다. 수색. 따라서 실험 오차에는 연구 중인 크기의 실제 값에 대한 결과의 편차가 포함됩니다.
실험 오차를 줄이기 위한 기술은 두 가지 유형이 있습니다.: 선험적 기법(치료를 적용하고 데이터를 수집하기 전에 사용됨) 및 사후적 기법(데이터를 얻은 후에 사용됨). 공분산 분석은 두 번째 유형에 속하며 연구를 위한 데이터가 이미 있을 때 사용됩니다.
구체적으로, 공분산 분석은 다음과 같은 통계적 절차로 구성됩니다. 우리가 연구하고 있는 변수에 나타나는 이질성을 제거합니다. (이것은 종속 변수입니다. 예를 들어 불안 수준) 하나(또는 그 이상) 독립 변수의 영향으로 인해 정량적이며 공변량이라고 합니다(예: 서로 다른 수준의 치료 강함).
나중에 공변량이 무엇으로 구성되어 있는지, 조사 결과를 어떻게 변경할 수 있는지, 이러한 경우에 공분산 분석이 유용한 이유에 대해 설명합니다.
작동
공분산 분석의 이론적 토대는 다음과 같습니다(또는 따라야 할 "단계"). 먼저 분산 분석이 데이터에 적용됩니다(ANOVA). 다중 선형 회귀가 적용됩니다.; 이는 공변량(독립 변수)이 종속 변수(즉, 연구 중인 변수)에 미치는 영향이 제거됨을 의미합니다.
공변량(X)은 각 실험 단위 또는 참가자의 특성 또는 측정값입니다., 처리(독립 변수)에 의존하지 않지만 관심 측정(Y)(종속 변수)과 관련됩니다. 즉, 그것들은 우리가 공부하는 것에 영향을 주지만 치료로 인한 것이 아닙니다.
이것은 X가 변하면 Y도 변한다는 것을 의미합니다. 또한 이러한 X의 변화는 치료가 Y에 미치는 영향에도 영향을 미칩니다. 이 모든 것이 이러한 영향(실험 오류)을 제거하는 데 관심을 갖게 합니다., 그들은 결과를 변경하기 때문에; 이것은 공분산 분석에 의해 달성됩니다.
흥미로운 사실은 공변량이 많을수록 데이터의 변동성이 줄어들고 테스트의 통계적 검정력이 높아진다는 것입니다. 통계적 검정력은 치료가 우리가 연구하고 있는 결과에 미치는 영향을 테스트가 올바르게 식별할 확률입니다.
우리를 위해? 목표
공분산 분석은 다음 목적으로 사용됩니다. 조사 결과에 대한 편향(이러한 오류는 일반적으로 조사자의 통제 밖에 있기 때문에 발생함) 다른, 개인 특성으로 인한 연구 참여자의 답변 차이 설정.
이것은 예를 들어 처리 간의 차이를 설정하는 데 사용되는 공분산 분석을 만듭니다.
공분산 분석이 제공하는 결과는 외부 변수에 귀속되는 양 또는 값을 뺀 수정 점수입니다.
공분산 분석을 통해 실험의 정확도를 높이고 치료와 무관한 변수의 영향을 제거, 그러나 그럼에도 불구하고 그들은 결과에 영향을 미치고 있습니다.
또한 연구에 적용하는 치료법의 특성에 대한 자세한 정보를 얻을 수 있습니다. 궁극적으로 결과를 조정하여 더 신뢰할 수 있도록 도와줍니다.
응용분야
공분산 분석 응용통계학 분야에서 근본적으로 적용. 이것이 연구에 자주 사용되는 이유입니다. 그러나 사용할 수 있는 연구 유형은 다양하며 교육, 임상, 농업, 건강 연구 등이 될 수 있습니다.
예시(애플리케이션)
공분산 분석을 통해 예를 들어 연령(공변량)과 심리 조사 내 상태(치료)별 불안 수준(종속 변수) 진료소.
그러나 우리가 본 것처럼 이 기술은 예를 들어 농업 연구와 같은 다른 유형의 연구에 사용될 수 있습니다. 토마토 품종(다른 치료).
