Аналіз коваріації (ANCOVA): що це таке і як використовується в статистиці

У галузі статистики використовується багато методів, які дозволяють нам аналізувати, контролювати та коригувати дані, які ми отримуємо під час розслідування. Одним з них є коваріаційний аналіз (ANCOVA).

Цей статистичний метод використовує, у свою чергу, дві стратегії: дисперсійний аналіз (ANOVA) і статистичну регресію. Це частина методів контролю експериментальної помилки. У цій статті ми дізнаємося, що це таке і як це працює.

• Пов'язана стаття: "Дисперсійний аналіз (ANOVA): що це таке і як він використовується в статистиці"

прикладна статистика

Статистика — це наука, яка охоплює всі знання, стратегії та інструменти, які дозволяють збирати, організовувати, представляти, аналізувати та інтерпретувати низку даних. Він використовується особливо в дослідницьких контекстах.

У психології його вивчають все більше і більше протягом усього ступеня, оскільки це вважається дуже цікавим інструментом для знання, і особливо корисним, якщо ми хочемо присвятити себе дослідженню.

Ця наука спрямована на опис результатів, отриманих під час розслідування

, а також аналізувати їх або допомагати нам приймати рішення. У психології він часто використовується для вивчення та розробки різних методів лікування та терапії.

Типи статистики

Існує описова статистика (де вилучається інформація про вибірку) і інференціальна статистика (яка витягує інформацію про сукупність).

У статистиці широко використовується метод аналіз коваріації, який дозволяє нам усунути систематичну помилку, яка змінює наші результати. Але це трохи складніше; Ми розповімо про це детально протягом статті.

Аналіз коваріації: що це?

Аналіз коваріації (ANCOVA) — це техніка, яка використовується в статистиці, зокрема це параметричний тест. Параметричні тести в статистиці дозволяють аналізувати фактори в сукупності. Крім того, вони дозволяють кількісно визначити, якою мірою дві змінні є незалежними.

Акронім ANCOVA розшифровується як «ANalysis of COVAriance». Насправді ANCOVA поєднує два типи стратегій: дисперсійний аналіз (ANOVA) разом із регресійним аналізом.

Тут ми повинні це пам'ятати Дисперсійний аналіз є ще одним статистичним методом, який виділяє загальну мінливість наших результатів, частина через джерела помилок; Таким чином, крім того, що це метод контролю помилок, він виявляє вплив методів лікування.

Зі свого боку, аналіз коваріації також є статистичним методом, але більш повним, ніж ANOVA; Як і вона, він використовується для зменшення експериментальної похибки, але, крім того, він застосовує множинну лінійну регресію (статистичну регресію) до результатів.

• Вас може зацікавити: "Критерій хі-квадрат (χ²): що це таке і як він використовується в статистиці"

Техніка контролю помилок

У дослідженнях дуже важливо контролювати джерела експериментальних похибок (які виникають через дивні змінні), оскільки вони можуть змінити результати та віддалити нас від справжніх змін, якими ми є пошук. Таким чином, похибка експерименту включає ті відхилення результатів відносно реального значення величини, яка досліджується.

Техніки, спрямовані на зменшення експериментальної помилки, можуть бути двох типів.: апріорні методи (вони використовуються перед застосуванням лікування та збором даних) та апостериорні методи (вони використовуються після отримання даних). Аналіз коваріації відноситься до другого типу і використовується, коли ми вже маємо дані для нашого дослідження.

Зокрема, аналіз коваріації складається зі статистичної процедури, за допомогою якої вдається усунути неоднорідність, яка з’являється у змінній, яку ми вивчаємо (це залежна змінна; наприклад, рівні тривожності), внаслідок впливу однієї (або кількох) незалежних змінних, які є кількісними, і які ми будемо називати коваріантами (наприклад, терапія різного ступеня інтенсивність).

Пізніше ми пояснимо, з чого складаються коваріати, як вони можуть змінити результати дослідження та чому аналіз коваріації корисний у цих випадках.

Функціонування

Теоретична основа коваріаційного аналізу полягає в наступному (або «кроках», яких слід виконати): спочатку до даних застосовується дисперсійний аналіз (ANOVA), а потім до них застосовується множинна лінійна регресія; це означає, що ефект, який коваріати (незалежні змінні) мали на залежну змінну (тобто на змінну, яку ми вивчаємо), усувається.

Коваріати (X) – це характеристики або вимірювання кожної експериментальної одиниці чи учасника, які не залежать від лікування (незалежні змінні), але пов’язані з вимірюванням інтересу (Y) (залежна змінна). Тобто вони впливають або впливають на те, що ми вивчаємо, але не через лікування.

Це означає, що коли X змінюється, Y також змінюється; Крім того, ця зміна X також вплине на вплив лікування на Y. Все це робить нас зацікавленими в усуненні цих впливів (експериментальних помилок), оскільки вони змінюють результати; і це досягається аналізом коваріації.

Цікавий факт полягає в тому, що чим більше коваріантів ми маємо, тим меншою буде мінливість даних і тим більшу статистичну потужність матиме тест. Статистична потужність — це ймовірність того, що тест правильно визначить вплив лікування на результати, які ми вивчаємо.

За те, що служиш нам? Цілі

Аналіз коваріації використовується для наступних цілей: з одного боку, щоб усунути будь-яку систематичну помилку, яка може упередженість результатів розслідування (ці помилки, як правило, виникають, тому що вони поза контролем слідчого), і інший, встановити відмінності у відповідях учасників дослідження, які зумовлені їхніми особистісними характеристиками.

Це робить аналіз коваріації, який використовується, наприклад, для встановлення відмінностей між методами лікування.

Результатом, який дає нам аналіз коваріації, є виправлена ​​оцінка, з якої було віднято суму або значення, яке можна віднести до зовнішньої змінної.

Аналіз коваріації дозволяє підвищити точність експериментів і усунути вплив змінних, які не мають нічого спільного з лікуванням, але все ж вони впливають на результати.

Крім того, це дозволяє нам отримати більше інформації про характер лікування, яке ми застосовуємо в наших дослідженнях. Зрештою, це допомагає нам коригувати наші результати, щоб зробити їх надійнішими.

Сфери застосування

Коваріаційний аналіз Він застосовується в основному в галузі прикладної статистики. Ось чому він часто використовується в дослідженнях; однак тип дослідження, в якому його можна використовувати, різний, і це можуть бути освітні, клінічні, сільськогосподарські дослідження, дослідження охорони здоров’я тощо.

Приклади (застосування)

Аналіз коваріації дозволяє вивчати, наприклад, зв'язок між віком (коваріатом) і Рівні тривоги (залежна змінна) за станами (лікування), в рамках психологічного дослідження клініка.

Але, як ми бачили, цю техніку можна використовувати в інших типах досліджень, наприклад, у сільськогосподарських дослідженнях: її можливе застосування буде, якщо ми хочемо вивчити взаємозв’язок між розміром помідорів (коварійна) та врожайністю з гектара нашого саду (залежна змінна) залежно від сорту томатів (різні лікування).