Analyse av kovarians (ANCOVA): hva det er og hvordan det brukes i statistikk

Statistikkfeltet bruker mange teknikker som lar oss analysere, kontrollere og justere dataene vi innhenter i en undersøkelse. En av dem er analysen av kovarians (ANCOVA).

Denne statistiske teknikken bruker på sin side to strategier: variansanalyse (ANOVA) og statistisk regresjon. Det er en del av teknikkene for å kontrollere den eksperimentelle feilen. I denne artikkelen vil vi vite hva det er og hvordan det fungerer.

• Relatert artikkel: "Variansanalyse (ANOVA): hva det er og hvordan det brukes i statistikk"

anvendt statistikk

Statistikk er vitenskapen som omfatter all kunnskap, strategier og verktøy som gjør det mulig å samle inn, organisere, presentere, analysere og tolke en rekke data. Det brukes spesielt i forskningssammenheng.

I psykologi studeres det mer og mer gjennom hele graden, siden det anses som et veldig interessant verktøy å kjenne til, og spesielt nyttig, hvis vi ønsker å dedikere oss til forskning.

Denne vitenskapen tar sikte på å beskrive resultatene oppnådd i en undersøkelse, samt analysere dem eller hjelpe oss med å ta beslutninger. I psykologi brukes det ofte til å studere og utvikle ulike behandlinger og terapier.

Statistikktyper

Det er beskrivende statistikk (der informasjonen som trekkes ut handler om utvalget) og inferensiell statistikk (som trekker ut informasjon om populasjonen).

En type teknikk som er mye brukt i statistikk er analysen av kovarians, som lar oss eliminere den systematiske feilen som endrer resultatene våre. Men det er litt mer komplekst enn dette; Vi vil forklare det i detalj gjennom artikkelen.

Analyse av kovarians: hva er det?

Analysen av kovarians (ANCOVA) er en teknikk som brukes i statistikk, og spesifikt det er en parametrisk test. Parametriske tester innen statistikk lar deg analysere faktorer innenfor en populasjon. I tillegg tillater de å kvantifisere i hvilken grad to variabler er uavhengige.

Akronymet ANCOVA står for "ANAlysis of COVAriance". Faktisk kombinerer ANCOVA to typer strategier: Variansanalyse (ANOVA) sammen med regresjonsanalyse.

Her må vi huske det ANOVA er en annen statistisk teknikk som skiller seg fra den totale variasjonen av resultatene våre, delen som skyldes feilkilder; I tillegg til å være en feilkontrollteknikk, oppdager den altså effekten av behandlingene.

Analysen av kovarians er på sin side også en statistisk teknikk, men mer komplett enn ANOVA; I likhet med henne brukes den til å redusere den eksperimentelle feilen, men i tillegg bruker den en multippel lineær regresjon (statistisk regresjon) på resultatene.

• Du kan være interessert i: "Chi-square (χ²) test: hva det er og hvordan det brukes i statistikk"

Feilkontrollteknikk

I forskning er det svært viktig å kontrollere kildene til eksperimentelle feil (som dukker opp pga merkelige variabler), siden de kan endre resultatene og flytte oss bort fra de sanne endringene vi er søker. Dermed inkluderer den eksperimentelle feilen de avvikene i resultatene med hensyn til den virkelige verdien av størrelsen som blir studert.

Teknikkene som søker å redusere den eksperimentelle feilen kan være av to typer.: a priori-teknikker (de brukes før behandlingene brukes og dataene samles inn) og a posteriori-teknikker (de brukes når dataene er innhentet). Analyse av kovarians tilhører den andre typen, og brukes når vi allerede har dataene for vår forskning.

Nærmere bestemt består analysen av kovarians av en statistisk prosedyre som klarer å eliminere heterogeniteten som vises i variabelen vi studerer (dette er en avhengig variabel; for eksempel angstnivåer), på grunn av påvirkning av en (eller flere) uavhengige variabler, som er kvantitative, og som vi vil kalle kovariater (for eksempel terapi i ulike grader av intensitet).

Senere vil vi forklare hva kovariater består av, hvordan de kan endre resultatene av en undersøkelse og hvorfor analysen av kovarians er nyttig i disse tilfellene.

Fungerer

Det teoretiske grunnlaget for analysen av kovarians er følgende (eller "trinn" å følge): først brukes en variansanalyse på dataene (ANOVA), og senere, en multippel lineær regresjon brukes på dem; dette innebærer at effekten som kovariatene (uavhengige variablene) hadde på den avhengige variabelen (det vil si på variabelen vi studerer) elimineres.

Kovariater (X) er kjennetegn eller målinger for hver eksperimentell enhet eller deltaker, som ikke er avhengig av behandlingene (uavhengige variabler), men er relatert til målingen av interesse (Y) (avhengig variabel). Det vil si at de har effekt eller innflytelse på det vi studerer, men de skyldes ikke behandlingen.

Dette betyr at når X varierer, varierer Y også; Videre vil denne variasjonen av X også påvirke innflytelsen som behandlingene har på Y. Alt dette gjør oss interessert i å eliminere disse påvirkningene (eksperimentelle feil), fordi de endrer resultatene; og dette oppnås ved analyse av kovarians.

Et merkelig faktum er at jo flere kovariater vi har, jo mindre variasjon vil dataene ha, og jo mer statistisk kraft vil testen ha. Statistisk styrke er sannsynligheten for at en test korrekt vil identifisere effekten en behandling har på resultatene vi studerer.

For å tjene oss? Mål

Analysen av kovarians brukes til følgende formål: på den ene siden for å eliminere enhver systematisk feil som kan fordreier resultatene av en undersøkelse (disse feilene oppstår vanligvis fordi de er utenfor etterforskerens kontroll), og av annen, etablere forskjellene i svarene til forskningsdeltakerne som skyldes deres personlige egenskaper.

Dette gjør at analysen av kovarians brukes til å etablere forskjeller mellom behandlinger, for eksempel.

Resultatet som analysen av kovarians gir oss er en korrigert skåre som beløpet eller verdien som kan tilskrives den utenlandske variabelen er trukket fra.

Analysen av kovarians tillater øke presisjonen av eksperimenter og eliminere effekten av variabler som ikke har noe med behandlingen å gjøre, men ikke desto mindre påvirker de resultatene.

I tillegg lar det oss få mer informasjon om arten av behandlingene vi bruker i vår forskning. Til syvende og sist hjelper det oss med å justere resultatene våre for å gjøre dem mer pålitelige.

Bruksområder

Analyse av kovarians Den brukes grunnleggende innen anvendt statistikk. Det er derfor det er hyppig brukt i forskning; men typen forskning det kan brukes i varierer, og det kan være pedagogisk, klinisk, landbruks-, helseforskning, etc.

Eksempler (applikasjoner)

Analyse av kovarians lar oss studere for eksempel sammenhengen mellom alder (kovariant) og Angstnivåer (avhengig variabel) etter tilstander (behandlinger), innenfor en psykologisk undersøkelse klinikk.

Men, som vi har sett, kan denne teknikken brukes i andre typer forskning, for eksempel i landbruksforskning: en mulig anvendelse av den vil være hvis vi ønsker å å studere forholdet mellom størrelsen på tomatene (kovariabel) og utbyttet per hektar av vår frukthage (avhengig variabel) i henhold til tomatsorten (forskjellig behandlinger).