Analiza kowariancji (ANCOVA): czym jest i jak jest wykorzystywana w statystyce

Dziedzina statystyki wykorzystuje wiele technik, które pozwalają nam analizować, kontrolować i korygować dane, które uzyskujemy w ramach dochodzenia. Jedną z nich jest analiza kowariancji (ANCOVA).

Ta technika statystyczna wykorzystuje z kolei dwie strategie: analizę wariancji (ANOVA) i regresję statystyczną. Jest to część technik kontrolowania błędu eksperymentalnego. W tym artykule dowiemy się, co to jest i jak działa.

• Powiązany artykuł: „Analiza wariancji (ANOVA): czym jest i jak jest wykorzystywana w statystyce"

statystyki stosowane

Statystyka to nauka, która obejmuje całą wiedzę, strategie i narzędzia, które pozwalają zbierać, organizować, prezentować, analizować i interpretować szeregi danych. Jest używany zwłaszcza w kontekstach badawczych.

W psychologii jest coraz częściej badany przez cały stopień, ponieważ jest uważany za bardzo interesujące narzędzie do poznania, a szczególnie przydatne, jeśli chcemy poświęcić się badaniom.

Ta nauka ma na celu opisanie wyników uzyskanych w badaniu, a także analizować je lub pomagać nam w podejmowaniu decyzji. W psychologii jest często używany do badania i opracowywania różnych metod leczenia i terapii.

Typy statystyk

Istnieją statystyki opisowe (gdzie wyodrębniane informacje dotyczą próby) i statystyki inferencyjne (które wydobywają informacje o populacji).

Rodzajem techniki szeroko stosowanej w statystyce jest analiza kowariancji, która pozwala nam wyeliminować błąd systematyczny, który zmienia nasze wyniki. Ale jest to trochę bardziej złożone; Wyjaśnimy to szczegółowo w całym artykule.

Analiza kowariancji: co to jest?

Analiza kowariancji (ANCOVA) to technika stosowana w statystyce, a konkretnie jest to test parametryczny. Testy parametryczne w ramach statystyki umożliwiają analizę czynników w obrębie populacji. Ponadto pozwalają na kwantyfikację, w jakim stopniu dwie zmienne są niezależne.

Akronim ANCOVA oznacza „ANALIZA KOWARIANCJI”. Właściwie ANCOVA łączy dwa rodzaje strategii: Analiza wariancji (ANOVA) wraz z Analizą regresji.

Tutaj musimy o tym pamiętać ANOVA to kolejna technika statystyczna, która oddziela od całkowitej zmienności naszych wyników, część wynikająca ze źródeł błędów; W ten sposób, oprócz tego, że jest techniką kontroli błędów, odkrywa wpływ zabiegów.

Ze swojej strony analiza kowariancji jest również techniką statystyczną, ale bardziej kompletną niż ANOVA; Podobnie jak ona, służy do zmniejszenia błędu eksperymentalnego, ale dodatkowo stosuje wielokrotną regresję liniową (regresję statystyczną) do wyników.

• Możesz być zainteresowany: "Test chi-kwadrat (χ²): co to jest i jak jest używany w statystyce"

Technika kontroli błędów

W badaniach bardzo ważna jest kontrola źródeł błędów eksperymentalnych (pojawiających się m.in dziwne zmienne), ponieważ mogą zmienić wyniki i oddalić nas od prawdziwych zmian, którymi jesteśmy badawczy. Zatem błąd eksperymentalny obejmuje te odchylenia wyników w odniesieniu do rzeczywistej wartości badanej wielkości.

Techniki mające na celu zmniejszenie błędu eksperymentalnego mogą być dwojakiego rodzaju.: techniki a priori (są stosowane przed zastosowaniem zabiegów i zebraniem danych) oraz techniki a posteriori (są stosowane po uzyskaniu danych). Analiza kowariancji należy do drugiego typu i jest stosowana, gdy mamy już dane do naszych badań.

W szczególności analiza kowariancji składa się z procedury statystycznej, za pomocą której udaje się wyeliminować heterogeniczność, która pojawia się w zmiennej, którą badamy (jest to zmienna zależna; poziom lęku), ze względu na wpływ jednej (lub więcej) zmiennych niezależnych, które są ilościowe i które będziemy nazywać współzmiennymi (na przykład terapia w różnym stopniu). intensywność).

Później wyjaśnimy, z czego składają się współzmienne, w jaki sposób mogą zmieniać wyniki badania i dlaczego analiza kowariancji jest przydatna w takich przypadkach.

Funkcjonowanie

Teoretyczne podstawy analizy kowariancji są następujące (lub „kroki”, które należy wykonać): najpierw do danych stosuje się analizę wariancji (ANOVA), a następnie stosuje się do nich wielokrotną regresję liniową; oznacza to, że wpływ, jaki zmienne towarzyszące (zmienne niezależne) miały na zmienną zależną (to znaczy na zmienną, którą badamy) jest wyeliminowany.

Współzmienne (X) to cechy charakterystyczne lub pomiary każdej jednostki eksperymentalnej lub uczestnika, które nie zależą od zabiegów (zmienne niezależne), ale są związane z pomiarem będącym przedmiotem zainteresowania (Y) (zmienna zależna). Oznacza to, że mają wpływ lub wpływają na to, czego się uczymy, ale nie wynikają z leczenia.

Oznacza to, że gdy X się zmienia, Y również się zmienia; Co więcej, ta odmiana X wpłynie również na wpływ leczenia na Y. Wszystko to sprawia, że ​​jesteśmy zainteresowani wyeliminowaniem tych wpływów (błędy eksperymentalne), ponieważ zmieniają wyniki; i osiąga się to poprzez analizę kowariancji.

Ciekawym faktem jest to, że im więcej mamy zmiennych towarzyszących, tym mniejsza będzie zmienność danych i tym większa moc statystyczna testu. Moc statystyczna to prawdopodobieństwo, że test prawidłowo określi wpływ leczenia na wyniki, które badamy.

Za służenie nam? Cele

Analiza kowariancji jest wykorzystywana w następujących celach: z jednej strony w celu wyeliminowania ewentualnych błędów systematycznych zniekształcić wyników dochodzenia (błędy te na ogół występują, ponieważ są poza kontrolą badacza) oraz przez Inny, ustalenie różnic w odpowiedziach uczestników badania, które wynikają z ich cech osobowych.

To sprawia, że ​​analiza kowariancji jest wykorzystywana na przykład do ustalania różnic między zabiegami.

Wynikiem, jaki daje nam analiza kowariancji, jest wynik skorygowany, od którego odjęto kwotę lub wartość, którą można przypisać zmiennej obcej.

Pozwala na to analiza kowariancji zwiększyć precyzję eksperymentów i wyeliminować wpływ zmiennych, które nie mają nic wspólnego z leczeniem, ale mimo to mają wpływ na wyniki.

Ponadto pozwala nam uzyskać więcej informacji o charakterze zabiegów, które stosujemy w naszych badaniach. Ostatecznie pomaga nam dostosować nasze wyniki, aby były bardziej wiarygodne.

Obszary zastosowania

Analiza kowariancji Jest stosowany zasadniczo w dziedzinie statystyki stosowanej. Dlatego jest często używany w badaniach; jednak rodzaj badań, w których można je wykorzystać, jest różny i mogą to być badania edukacyjne, kliniczne, rolnicze, zdrowotne itp.

Przykłady (aplikacje)

Analiza kowariancji pozwala nam badać np. związek między wiekiem (kowariancja) a Poziomy lęku (zmienna zależna) według stanów (leczeń), w ramach badania psychologicznego klinika.

Ale, jak widzieliśmy, technika ta może być stosowana w innych rodzajach badań, na przykład w badaniach rolniczych: możliwym zastosowaniem byłoby, gdybyśmy chcieli zbadanie zależności między wielkością pomidorów (cozmienna) a plonem z hektara naszego sadu (zmienna zależna) w zależności od odmiany pomidora (różne zabiegi).