 | | | | | | | | |
| | |
| | | |
Magda Syrek, ID wpisu: 3322 / 602
Analiza kowariancji jest metodą, która - podobnie jak analiza wariancji - porównuje efekty wpływu wybranych zmiennych, jednak przy jednoczesnym odseparowaniu wpływu innych czynników.
Kiedy prowadzimy badania statystyczne liczne zastosowania znajdują narzędzia badania wpływu zmiennych niezależnych na zmienną wyjściową. Analiza kowariancji jest metodą, która podobnie jak analiza wariancji porównuje efekty wybranych zmiennych niezależnych, po jednoczesnej eliminacji wpływu pewnych innych czynników, skorelowanych z wyjściową zmienną. Takie zmienne, niekontrolowane przez badacza ale obserwowalne w trakcie badania, nazywane są zmiennymi towarzyszącymi. Wyróżniamy dwa rodzaje zmiennych towarzyszących: - o charakterze stałym, - o charakterze zmiennym.
Określenie, w jakim stopniu osiągnięty wynik końcowy wynika z zastosowania takich a nie innych zmiennych kontrolowanych, a w jakim z udziału zmiennych towarzyszących jest podstawowym zagadnieniem analizy kowariancji.
Algorytm polega na wykorzystaniu metod regresji liniowej do oddzielenia wpływu zmiennej towarzyszącej, a następnie zastosowaniu analizy wariancji wobec zmiennych skorygowanych (tj. wobec tej części zmienności, która nie jest wyjaśniona przez zmienną towarzyszącą). W wyniku zastosowania algorytmu, suma kwadratów błędu zostaje "odciążona" ze zmienności płynącej z obecności zmiennych towarzyszących, a w konsekwencji test F zyskuje większą moc do wykrywania prawdziwych efektów analizowanych czynników. |
|
| | | Słowa kluczowe: zmiennych, kowariancji, zmienną, wariancji, zmienności, porównuje, wyjściową, skorygowanych, liniowej | | |
| | |
|
| |
|
