Kovariacijos analizė (ANCOVA): kas tai yra ir kaip ji naudojama statistikoje

Statistikos srityje naudojama daug metodų, leidžiančių analizuoti, kontroliuoti ir koreguoti tyrimo metu gautus duomenis. Vienas iš jų yra kovariacijos analizė (ANCOVA).

Šis statistinis metodas savo ruožtu naudoja dvi strategijas: dispersijos analizę (ANOVA) ir statistinę regresiją. Tai yra eksperimentinės klaidos kontrolės metodų dalis. Šiame straipsnyje mes sužinosime, kas tai yra ir kaip tai veikia.

• Susijęs straipsnis: "Variacijos analizė (ANOVA): kas tai yra ir kaip ji naudojama statistikoje"

taikomą statistiką

Statistika yra mokslas, apimantis visas žinias, strategijas ir įrankius, leidžiančius rinkti, tvarkyti, pateikti, analizuoti ir interpretuoti duomenų seriją. Jis ypač naudojamas tyrimų kontekstuose.

Psichologijoje ji vis labiau studijuojama per visą laipsnį, nes ji laikoma labai įdomia pažintine priemone ir ypač naudinga, jei norime atsiduoti tyrimams.

Šiuo mokslu siekiama apibūdinti tyrimo metu gautus rezultatus, taip pat juos analizuoti arba padėti priimti sprendimus. Psichologijoje jis dažnai naudojamas tiriant ir plėtojant įvairius gydymo būdus ir terapijas.

Statistiniai tipai

Yra aprašomoji statistika (kai išgaunama informacija yra apie imtį) ir išvadinė statistika (kuri išgauna informaciją apie populiaciją).

Tam tikra technikos rūšis, plačiai naudojama statistikoje kovariacijos analizė, kuri leidžia pašalinti sisteminę klaidą, kuri keičia mūsų rezultatus. Bet tai yra šiek tiek sudėtingesnė nei ši; Mes tai išsamiai paaiškinsime visame straipsnyje.

Kovariacijos analizė: kas tai?

Kovariacijos analizė (ANCOVA) yra metodas, naudojamas statistikoje ir konkrečiai tai parametrinis testas. Parametriniai statistikos testai leidžia analizuoti populiacijos veiksnius. Be to, jie leidžia kiekybiškai įvertinti, kiek du kintamieji yra nepriklausomi.

Santrumpa ANCOVA reiškia „ANalysis of COVARiance“. Tiesą sakant, ANCOVA sujungia dviejų tipų strategijas: dispersijos analizę (ANOVA) kartu su regresijos analize.

Čia turime tai prisiminti ANOVA yra dar vienas statistinis metodas, kuris atsiskiria nuo bendro rezultatų kintamumo, dalis dėl klaidų šaltinių; Taigi, be klaidų kontrolės technikos, ji atranda ir gydymo poveikį.

Savo ruožtu kovariacijos analizė taip pat yra statistinis metodas, tačiau išsamesnis nei ANOVA; Kaip ir ji, ji naudojama eksperimentinei paklaidai sumažinti, bet be to, rezultatams taiko daugkartinę tiesinę regresiją (statistinę regresiją).

• Galbūt jus domina: "Chi kvadrato (χ²) testas: kas tai yra ir kaip jis naudojamas statistikoje"

Klaidų kontrolės technika

Atliekant tyrimus labai svarbu kontroliuoti eksperimentinių klaidų šaltinius (kurie atsiranda dėl keistus kintamuosius), nes jie gali pakeisti rezultatus ir atitolinti mus nuo tikrųjų pokyčių, kokie esame ieškant. Taigi eksperimentinė paklaida apima tuos rezultatų nuokrypius, susijusius su tikrosios tiriamojo dydžio verte.

Metodai, kuriais siekiama sumažinti eksperimentinę paklaidą, gali būti dviejų tipų.: a priori metodai (jie naudojami prieš pradedant gydymą ir renkant duomenis) ir a posteriori metodai (jie naudojami gavus duomenis). Kovariacijos analizė priklauso antrajam tipui ir naudojama tada, kai jau turime duomenis savo tyrimams.

Konkrečiai, kovariacijos analizę sudaro statistinė procedūra, pagal kurią sugeba pašalinti nevienalytiškumą, atsirandantį mūsų tiriamame kintamajame (tai priklausomas kintamasis; pavyzdžiui, nerimo lygiai), dėl vieno (ar kelių) nepriklausomų kintamųjų įtakos, kuri yra kiekybiniai ir juos vadinsime kovariacijomis (pavyzdžiui, terapija įvairiais laipsniais intensyvumas).

Vėliau paaiškinsime, iš ko susideda kovariacijos, kaip jos gali pakeisti tyrimo rezultatus ir kodėl tokiais atvejais naudinga kovariacijos analizė.

Veikimas

Kovariacijos analizės teorinis pagrindas yra toks (arba „žingsniai“, kuriuos reikia atlikti): pirmiausia duomenims taikoma dispersijos analizė (ANOVA), o vėliau jiems taikoma daugkartinė tiesinė regresija; tai reiškia, kad poveikis, kurį kintamieji (nepriklausomi kintamieji) turėjo priklausomam kintamajam (ty mūsų tiriamam kintamajam), yra pašalintas.

Kovariatai (X) yra kiekvieno eksperimentinio vieneto ar dalyvio charakteristikos arba matavimai, kurie nepriklauso nuo gydymo būdų (nepriklausomi kintamieji), bet yra susiję su dominančio (Y) matavimu (priklausomu kintamuoju). Tai yra, jie turi įtakos arba įtakoja tai, ką mes studijuojame, bet tai nėra dėl gydymo.

Tai reiškia, kad kai X kinta, Y taip pat kinta; Be to, šis X pokytis taip pat turės įtakos gydymo įtakai Y. Visa tai verčia mus pašalinti šias įtakas (eksperimentines klaidas), nes jie keičia rezultatus; ir tai pasiekiama kovariacijos analize.

Įdomus faktas yra tai, kad kuo daugiau kovariacijų turėsime, tuo mažiau duomenų kintamumo ir tuo daugiau statistinės galios testas. Statistinė galia yra tikimybė, kad testas teisingai nustatys gydymo poveikį mūsų tiriamiems rezultatams.

Už tai, kad mums tarnauja? Tikslai

Kovariacijos analizė naudojama šiais tikslais: viena vertus, pašalinti bet kokią sisteminę klaidą, kuri gali būti pakreipti tyrimo rezultatus (šios klaidos dažniausiai atsiranda todėl, kad tyrėjas jų nekontroliuoja), ir kita, nustatyti tyrimo dalyvių atsakymų skirtumus, nulemtus jų asmeninių savybių.

Pavyzdžiui, kovariacijos analizė naudojama siekiant nustatyti skirtumus tarp gydymo būdų.

Rezultatas, kurį mums suteikia kovariacijos analizė, yra pataisytas balas, iš kurio buvo atimta suma arba vertė, priskirtina svetimam kintamajam.

Kovariacijos analizė leidžia padidinti eksperimentų tikslumą ir pašalinti kintamųjų, kurie neturi nieko bendra su gydymu, poveikį, tačiau vis dėlto jie turi įtakos rezultatams.

Be to, tai leidžia mums gauti daugiau informacijos apie gydymo, kurį taikome savo tyrimuose, pobūdį. Galiausiai tai padeda mums pakoreguoti rezultatus, kad jie būtų patikimesni.

Taikymo sritys

Kovariacijos analizė Jis iš esmės taikomas taikomosios statistikos srityje. Štai kodėl jis dažnai naudojamas tyrimuose; tačiau tyrimų tipas, kuriame jis gali būti naudojamas, skiriasi ir gali būti edukaciniai, klinikiniai, žemės ūkio, sveikatos tyrimai ir kt.

Pavyzdžiai (programos)

Kovariacijos analizė leidžia ištirti, pavyzdžiui, ryšį tarp amžiaus (kovariacijos) ir Nerimo lygiai (priklausomas kintamasis) pagal būseną (gydymą), atliekant psichologinį tyrimą klinika.

Tačiau, kaip matėme, ši technika gali būti naudojama atliekant kitus tyrimus, pavyzdžiui, žemės ūkio tyrimuose: galimas jos pritaikymas būtų, jei norime ištirti ryšį tarp pomidorų dydžio (kokintamasis) ir mūsų sodo hektaro derliaus (priklausomas kintamasis) pagal pomidorų veislę (skirtingą gydymas).