Analys av kovarians (ANCOVA): vad det är och hur det används i statistik

Statistikområdet använder många tekniker som gör att vi kan analysera, kontrollera och justera den data vi får in i en utredning. En av dem är analysen av kovarians (ANCOVA).

Denna statistiska teknik använder i sin tur två strategier: variansanalys (ANOVA) och statistisk regression. Det är en del av teknikerna för att kontrollera det experimentella felet. I den här artikeln kommer vi att veta vad det är och hur det fungerar.

• Relaterad artikel: "Variansanalys (ANOVA): vad det är och hur det används i statistik"

tillämpad statistik

Statistik är vetenskapen som omfattar all kunskap, strategier och verktyg som gör det möjligt att samla in, organisera, presentera, analysera och tolka en serie data. Det används särskilt i forskningssammanhang.

Inom psykologi studeras det mer och mer under hela examen, eftersom det anses vara ett mycket intressant verktyg att veta, och särskilt användbart, om vi vill ägna oss åt forskning.

Denna vetenskap syftar till att beskriva resultaten som erhållits i en undersökning

, samt analysera dem eller hjälpa oss att fatta beslut. Inom psykologi används det ofta för att studera och utveckla olika behandlingar och terapier.

Statistiktyper

Det finns beskrivande statistik (där informationen som extraheras handlar om urvalet) och inferentiell statistik (som extraherar information om populationen).

En typ av teknik som används ofta i statistik är analysen av kovarians, vilket gör att vi kan eliminera det systematiska felet som förändrar våra resultat. Men det är lite mer komplext än så här; Vi kommer att förklara det i detalj i hela artikeln.

Analys av kovarians: vad är det?

Analysen av kovarians (ANCOVA) är en teknik som används i statistik, och specifikt det är ett parametriskt test. Parametriska tester inom statistik låter dig analysera faktorer inom en population. Dessutom tillåter de att kvantifiera i vilken utsträckning två variabler är oberoende.

Förkortningen ANCOVA står för "ANALYS of COVAriance". I själva verket kombinerar ANCOVA två typer av strategier: Variansanalys (ANOVA) tillsammans med regressionsanalys.

Här måste vi komma ihåg det ANOVA är en annan statistisk teknik som skiljer sig från den totala variationen av våra resultat, den del som beror på felkällor; Utöver att vara en felkontrollteknik upptäcker den alltså behandlingarnas inverkan.

För sin del är analysen av kovarians också en statistisk teknik, men mer komplett än ANOVA; Liksom hon används den för att minska det experimentella felet, men dessutom tillämpar den en multipel linjär regression (statistisk regression) på resultaten.

• Du kanske är intresserad av: "Chi-kvadrattest (χ²): vad det är och hur det används i statistik"

Felkontrollteknik

I forskning är det mycket viktigt att kontrollera källorna till experimentella fel (som uppstår pga konstiga variabler), eftersom de kan förändra resultaten och flytta oss bort från de verkliga förändringarna vi är sökande. Det experimentella felet inkluderar alltså de avvikelser i resultaten med avseende på det verkliga värdet av den storlek som studeras.

Teknikerna som försöker minska det experimentella felet kan vara av två typer.: a priori-tekniker (de används innan behandlingarna appliceras och data samlas in) och a posteriori-tekniker (de används när uppgifterna har erhållits). Analys av kovarians tillhör den andra typen och används när vi redan har data för vår forskning.

Specifikt består analysen av kovarians av en statistisk procedur genom vilken lyckas eliminera den heterogenitet som förekommer i variabeln som vi studerar (detta är en beroende variabel; till exempel ångestnivåer), på grund av påverkan av en (eller flera) oberoende variabler, som är kvantitativa, och som vi kommer att kalla kovariater (till exempel terapi i olika grader av intensitet).

Senare kommer vi att förklara vad kovariater består av, hur de kan förändra resultaten av en undersökning och varför analysen av kovarians är användbar i dessa fall.

Fungerande

Den teoretiska grunden för analysen av kovarians är följande (eller "steg" att följa): först tillämpas en variansanalys på data (ANOVA), och senare, en multipel linjär regression tillämpas på dem; detta innebär att effekten som kovariaterna (oberoende variabler) hade på den beroende variabeln (det vill säga på variabeln vi studerar) elimineras.

Kovariater (X) är egenskaper eller mått för varje experimentell enhet eller deltagare, som inte är beroende av behandlingarna (oberoende variabler), utan är relaterade till mätningen av intresse (Y) (beroende variabel). Det vill säga de har effekt eller inflytande på det vi studerar, men de beror inte på behandlingen.

Det betyder att när X varierar så varierar Y också; Dessutom kommer denna variation av X också att påverka det inflytande som behandlingarna har på Y. Allt detta gör oss intresserade av att eliminera dessa influenser (experimentella fel), eftersom de ändrar resultaten; och detta uppnås genom analys av kovarians.

Ett märkligt faktum är att ju fler kovariater vi har, desto mindre variabilitet kommer data att ha och desto mer statistisk kraft kommer testet att ha. Statistisk styrka är sannolikheten för att ett test korrekt kommer att identifiera effekten som en behandling har på de resultat som vi studerar.

För att tjäna oss? Mål

Analysen av kovarians används för följande syften: å ena sidan för att eliminera eventuella systematiska fel som kan fördomar resultatet av en utredning (dessa fel uppstår vanligtvis eftersom de ligger utanför utredarens kontroll), och av Övrig, fastställa de skillnader i svaren från forskningsdeltagarna som beror på deras personliga egenskaper.

Detta gör att analysen av kovarians används för att fastställa skillnader mellan behandlingar, till exempel.

Resultatet som analysen av kovarians ger oss är en korrigerad poäng från vilken mängden eller värdet som kan hänföras till den utländska variabeln har subtraherats.

Analysen av kovarians tillåter öka precisionen i experiment och eliminera effekterna av variabler som inte har något med behandlingen att göra, men ändå påverkar de resultaten.

Dessutom ger det oss möjlighet att få mer information om karaktären på de behandlingar som vi tillämpar i vår forskning. I slutändan hjälper det oss att justera våra resultat för att göra dem mer tillförlitliga.

Användningsområden

Analys av kovarians Den tillämpas i grunden inom området tillämpad statistik. Det är därför det används flitigt i forskningen; vilken typ av forskning den kan användas inom varierar dock, och det kan vara utbildnings-, klinisk-, jordbruks-, hälsoforskning, etc.

Exempel (applikationer)

Analys av kovarians gör att vi kan studera till exempel sambandet mellan ålder (samvariat) och Ångestnivåer (beroende variabel) efter tillstånd (behandlingar), inom en psykologisk utredning klinik.

Men som vi har sett kan denna teknik användas i andra typer av forskning, till exempel inom jordbruksforskning: en möjlig tillämpning av den skulle vara om vi vill att studera sambandet mellan storleken på tomaterna (samvariabel) och avkastningen per hektar av vår fruktträdgård (beroende variabel) enligt tomatsorten (olika behandlingar).