면 가정의 ANCOVA 는 관련이 없는
모든면에서는 동안,저는 작품으로 클라이언트에 갇혀 사는 특별한 통계 바위와 열심히 장소입니다.
발생 할 때 그들을 실행하려고 analysis 의 공분산(ANCOVA)모델을 가지고 있기 때문에 범주형을 독립변수와 지속적인 공변량.
문제가 발생한 경우 공동 저자,위원회 위원,또는 검토가 주장하는 ANCOVA 부적절이기 때문에 상황은 다음 중 하나 ANCOVA 가정은 충족되지 않습니다.
1. 독립 변수와 공변량은 서로 독립적입니다.
2. 독립 변수와 공변량 사이에는 상호 작용이 없습니다.
경우에 당신은 그들을 보고 어떤 디자인의 실험 교과서 일반적으로디에 대한 정보를 확인할 수 있습니다 분산 분석 및 ANCOVA,당신은 참으로 이러한 모델 예측제어 등을 다룬다. 그래서 평론가는 좋은 참고 문헌을 가지고 있습니다.
그러나,이 경우 그것은 중요한 및 중지하는지에 대해 생각한 가정이 자신의 상황에 적용되는 방법을 다루는 가정에 영향을 미칠 것입니다 분석 및 결론을 그릴 수 있습니다.
예
아주 간단한 예제이 될 수 있을 검사하는 연구의 차이점에서 하이츠의 아이들이지 않는 기생충이다. 아이들의 신장에 큰 기여자가 나이이기 때문에,이것은 중요한 통제 변수입니다.
이 그래프에서는 x2,기생충 상태의 두 가지 다른 값에서 y 축의 x 축과 높이의 나이 X1 사이의 관계를 볼 수 있습니다. X2=0 은 기생충이있는 어린이 그룹을 나타내고 X2=1 은 그렇지 않은 어린이 그룹입니다.
의 어린이는 경향이 시달리는 기생충이 더 많습니다. 즉,파란색 점의 평균 나이(X1 의 평균)는 검은 별의 평균 나이보다 분명히 낮습니다. 다른 말로하면,기생충을 가진 아이들의 나이는없는 아이들보다 낮습니다.
따라서 독립 변수(기생충 상태)와 공변량(연령)사이의 독립성이 분명히 위반됩니다.
가정 위반을 다루는 방법
다음은 귀하의 옵션입니다.
1. Ancova 의 가정을 위반하지 않도록 모델에서 공변량을 삭제하고 단방향 분산 분석을 실행하십시오. 이것은 대부분의 비평가들 사이에서 인기있는 옵션 인 것 같습니다.3. 공변량을 낮은 연령대와 높은 연령대로 분류 한 다음 2×2 분산 분석을 실행하십시오.
옵션#3 은 종종 옹호되지만,기껏해야 불필요한 이유를 곧 알게되기를 바랍니다. 임의로 숫자 변수를 범주로 나누는 것은 좋은 정보를 버리는 것입니다.
옵션#1 을 살펴 보겠습니다.그래프에 나와있는 문제는 데이터 나 변수 간의 관계를 정확하게 반영하지 못합니다.
와 공변량 모델의 차이에 의 높이를 가진 아이를 위한 없이 기생충이 예상된 아이들을 위해서 같은 나이(의 높이에 빨간색 line).
공변량을 떨어 뜨리면 평균 높이의 차이는 각 그룹(보라색 선)에 대한 전체 평균으로 추정됩니다.즉,기생충 상태의 효과에 연령의 영향이 추가되고 어린이의 높이의 평균 차이에 대한 기생충의 영향을 과장하게됩니다.
그렇다면 왜 가정입니까?
당신은 아마 자신을 요청”왜 이 가정의 ANCOVA 는 경우를 제거하는 공변량으로 우리를 이끌장하는 관계는?”
이유를 이해하려면이 가정이 다루고있는 문제를 조사해야합니다.
의 분석에 공분산 섹션의 제프리는 케펠의 뛰어난 책,디자인과 분석:연구원의 핸드북,그국:
이것을 달성하는 데 사용되는 중요한 두 가지 조정: (1)수정의 추정 오류 및 실험(2)조정하기 위하여 치료의 효과에 대한 어떤 사이의 차이점을 치료한 그룹이 존재하기 전에 실험적인 치료 관리되었습니다. 기 때문에 과목은 무작위로 할당하여 처리 조건에서,우리가 찾을 것으로 기대는 상대적으로 작은 차이점 사이에서 트리트먼트에 공변량 상당히 큰 차이점은 공변량 과목 중에서 다양한 처리 조건입니다. 따라서 공분산의 분석은 오류 항의 크기를 줄임으로써 가장 큰 이점을 얻을 것으로 예상됩니다 ; 무작위 배정을 생성 한 기존의 차이에 대한 모든 보정은 비교하여 작을 것입니다.
몇 페이지를 그는 나중에 미국,
주요 기준에 대한 공변량은 상당한 선형 상관관계 가 종속 변수,Y. 대부분의 경우에는 점에서 공변량을 얻을 수 있의 개시 전에 실험적인 치료입니다…. 실험이 완료된 후 때때로 점수가 수집됩니다. 그러한 절차는 실험적 치료가 공변량에 영향을 미치지 않았다는 것이 확실 할 때만 방어 가능합니다….공분산의 분석은 공변량이 실험적 치료와 독립적이라는 가정하에 예측됩니다.즉,실험적으로 조작 된 치료법으로 도출 할 수있는 결과를 도출하지 않는 것입니다. 는 경우에는 공변량과 관련 처리는 것이 문제를 나타내는 것으로 무작위 배정,또는 그 나타내는 치료 자신을 발생시킨 공변량 값입니다. 이것들은 실험에서 매우 중요한 고려 사항입니다.
경우 그러나 우리는 기생충를 들어,주요 범주 독립변수가 관찰 및 조작하지 않는 독립성에 가정이 공변량과 독립변수는 관련이 없습니다.디자인 가정입니다. 그것은 모델 가정이 아닙니다.
독립 변수의 가정과 공변량이 독립적이라는 유일한 효과는 결과를 해석하는 방법에 있습니다.
그렇다면 적절한 해결책은 무엇입니까?
적절한 응답#2–지에 공변량 분석,해석하지 못한 결과 관찰 연구는 것처럼에서 실험이다.그렇게하면 독립 변수와 결과 사이의 실제 관계에 대한보다 정확한 추정으로 이어질 것입니다. 그냥 이것이 공변량의 주어진 값에서의 평균 차이라고 말하고 있는지 확인하십시오.
마지막 문제가:는 경우의 비평을 금지하고 있는 단어 ANCOVA 지 않기 때문에 당신이 있는 실험,당신은 무엇을까요?이제 의미론에 이릅니다. 그것은 정확한 호출하는 일반 선형 모델,다중 회귀분석,또는(나 옵션),인 ANCOVA(나는 본 적이 없는 사람에 망설을 호출하는 분석 분산 분석을 때 두 가지 범주 Iv 관련이 있었다).
이 가정에 끊긴 비평가는 일반적으로 특정 이름을 원하는 사람입니다. 일반 선형 모델은 그들에게 너무 모호합니다. 나는 주요 독립 변수가 범주 형 변수 였음에도 불구하고 다중 회귀라고 불러야 만하는 클라이언트를 가졌습니다.
한 옵션은 사용하는”범주형 변수 예측”대신에”독립 변수는”때를 설명하는 변수에 ANCOVA. 후자는 조작을 의미하며 전자는 그렇지 않습니다.이것은 분석을 위해 싸울 가치가있는 경우이지만 이름은 아닙니다. 이 모든 것의 요점은 결과를 정확하게 전달하는 것입니다.
해석 선형 회귀계수: 산책을 통해 출력학 접근 방식에 대한 이해를 계수에는 회귀분석으로 우리는 도보를 통해 출력의 모델을 포함하는 숫자 및 범주별 예언자와의 상호 작용입니다.나는 이것을 할 수 없다.
