Analisi della covarianza (ANCOVA) è una forma più sofisticata di analisi della varianza. Rappresenta una variabile condivisa tra popolazioni che possono spiegare la variazione. Ad esempio, tre gruppi possono ricevere tre trattamenti. Variazioni tra sopravvivenze di gruppo possono essere guidati da differenze di età; di conseguenza, includendolo come una variabile di controllo per l'effetto dell'età potrebbe migliorare il potere esplicativo del modello.
Istruzioni
Spiegazione grafica
• Determinare il variabili dipendenti, tra cui la covariata e indipendente.Nell'esempio precedente, le due variabili dipendenti sono la covariata, età e quale trattamento il gruppo che ha ricevuto. La covariata dovrebbe essere continuo. Di là di evitando le celle vuote, il vantaggio di questo diventerà chiaro nei passaggi seguenti.
• Determinare la regressione lineare per ogni gruppo. Nel nostro esempio, l'età è una variabile indipendente, il tempo di sopravvivenza è una variabile indipendente e ogni gruppo ha una propria linea di regressione. Età si è pertanto tenuto conto.
• Rifiutare l'ipotesi nulla (che i trattamenti sono gli stessi, cioè, che il coefficiente di trattamento è zero) se la differenza tra piste è statisticamente significativa.
• Determinare se le intercettazioni sono uguali se le piste non sono state trovate per essere statisticamente differente.
• Rifiutare l'ipotesi di null se le intercettazioni sono significativamente diverse. Se le tre linee di regressione hanno la stessa pendenza ma loro intercetta sono significativamente differenti, allora la loro natura parallela significa non incontrano ovunque e i trattamenti sono diversi.
Consigli & Avvertenze
- ANCOVA è una miscela di discreti (cioè, categorico) e variabili continue. Nell'esempio precedente, l'età è variabile continua e se uno è in un gruppo o non è una variabile discreta (binaria). SAS gestisce tali problemi di regressione facilmente, scansare la complicazione di cui sopra.
- Se la polarizzazione può essere rimosso mediante randomizzazione meglio le popolazioni, questo sarebbe preferibile a compensare tale distorsione matematicamente. Nell'esempio precedente, età dovrebbe essere distribuito casualmente prima che l'esperimento è iniziato, se possibile.
- Dai dati in misura significativa per le previsioni del modello sia valida, devono essere soddisfatte le ipotesi del modello ANCOVA. Questi presupposti, come in ANOVA (analisi della varianza), sono che la varianza degli errori non sono una funzione delle variabili indipendenti, che gli errori siano distribuiti normalmente e che la relazione tra le variabili indipendenti e dipendenti è lineare.
- ANOVA a due vie è più appropriato se la covariata (tempo, nell'esempio precedente) è categorico/discreto, evitando così il problema delle celle vuote e quindi una necessità di più soggetti di prova.