ANCOVA przydaje się wtedy, gdy chcesz porównać grupy, ale wynik zależy również od zmiennej ciągłej. Może nią być wynik początkowy, wiek, czas doświadczenia albo inna cecha mierzona przed wynikiem. Analiza kowariancji łączy logikę ANOVA z regresją i porównuje grupy przy wspólnej wartości kowariaty.
Nie jest to jednak sposób na automatyczne „wyrównanie” każdej różnicy. Kowariata musi mieć uzasadnienie, być poprawnie zmierzona i pozostawać w sensownej relacji z wynikiem. Szczególnie ważne jest sprawdzenie, czy zależność między kowariatą a wynikiem ma podobne nachylenie w porównywanych grupach.
Wspólny poziom porównania
ANCOVA nie cofa czasu, lecz porządkuje porównanie
Model szacuje wynik obu grup przy tej samej wartości kowariaty. Dzięki temu różnica nie wynika wyłącznie z tego, że jedna grupa zaczęła wyżej.
Kiedy analiza kowariancji odpowiada na właściwe pytanie
Najprostszy układ obejmuje jedną ciągłą zmienną zależną, co najmniej jedną kategorię grupy i jedną ciągłą kowariatę. Przykładem jest porównanie wyniku egzaminu po dwóch metodach nauczania z kontrolą wyniku testu wstępnego.
Zmienna ciągła, którą chcesz wyjaśnić.
Czynnik kategoryczny, którego skorygowany efekt porównujesz.
Zmienna ciągła związana z Y, lecz niebędąca skutkiem badanego warunku.
Jeżeli wynik jest binarny, zwykła ANCOVA nie będzie odpowiednia. Wtedy potrzebny jest model taki jak regresja logistyczna w Jamovi. Gdy masz wyłącznie wynik ciągły i kilka predyktorów bez czynnika grupowego, naturalnym punktem odniesienia jest regresja liniowa.
Kowariata musi wynikać z projektu
Dobra kowariata wyjaśnia część zróżnicowania wyniku i została wybrana przed obejrzeniem końcowego rezultatu. W badaniu z pretestem najlepiej, gdy pomiar początkowy wykonano przed przydziałem do warunku. Kontrolowanie zmiennej będącej skutkiem interwencji może usunąć część rzeczywistego efektu albo wprowadzić nowe obciążenie.
Nie dodawaj wielu zmiennych tylko po to, aby uzyskać mniejsze p. Każda z nich zmienia pytanie modelu. Pomocne jest wcześniejsze rozrysowanie zależności i sprawdzenie, czy nie kontrolujesz mediatora lub kolidera. Ten etap rozwija poradnik o zmiennych zakłócających i diagramie przyczynowym.
Najważniejsza bramka dotyczy nachyleń
Klasyczna ANCOVA z jednym wspólnym efektem kowariaty zakłada, że związek X z Y ma podobne nachylenie w każdej grupie. Sprawdzasz to przez dodanie interakcji grupa × kowariata. Jeżeli interakcja jest wyraźna, różnica między grupami zależy od poziomu X i jedna skorygowana różnica nie opisuje całej sytuacji.
Sprawdź zakres X, punkty odstające i przybliżoną liniowość.
Interakcja testuje, czy grupy mają wspólne nachylenie.
Przy podobnych nachyleniach raportuj średnie skorygowane; przy różnych pokaż efekt grupy na kilku poziomach X.
Sprawdź także niezależność obserwacji, liniowość relacji, rozkład i stałość wariancji reszt oraz obserwacje wpływowe. Sam test Levene’a dla wariancji grup nie zastępuje diagnostyki całego modelu.
Jak wykonać ANCOVA w Jamovi
- Ustaw wynik jako zmienną ciągłą, grupę jako nominalną, a kowariatę jako ciągłą.
- Wybierz Analizy → ANOVA → ANCOVA.
- Przenieś wynik do pola zmiennej zależnej, grupę do czynników stałych, a X do kowariat.
- W modelu dodaj najpierw grupę, kowariatę oraz interakcję grupa × kowariata.
- Włącz test jednorodności wariancji, diagnostykę reszt, miarę efektu i estymowane średnie brzegowe.
- Jeżeli nachylenia można traktować jako wspólne, usuń interakcję i odczytaj prostszy model z efektem grupy skorygowanym o X.
Dane warto skontrolować jeszcze przed analizą. Zasady typów zmiennych, braków i obserwacji odstających opisuje instrukcja przygotowania danych w Jamovi.
Zobacz, co zmienia wspólny poziom kowariaty
Przełącz scenariusz. Punkty i linie pokazują związek pretestu z wynikiem, a panel porównuje średnie surowe ze skorygowanymi.
Jak czytać wynik bez przepisywania całej tabeli
Najpierw oceń interakcję grupy z kowariatą. W modelu wspólnego nachylenia odczytaj efekt kowariaty, następnie efekt grupy skorygowany o X, wielkość efektu i estymowane średnie brzegowe z przedziałami ufności. Skorygowana średnia nie jest zwykłą średnią z danych. Jest przewidywanym wynikiem grupy przy wskazanej wspólnej wartości kowariaty.
Interakcja G × XCzy jedna różnica grup ma sens w całym zakresie kowariaty?
Efekt kowariatyCzy X wyjaśnia zróżnicowanie wyniku po uwzględnieniu grupy?
Efekt grupyCzy grupy różnią się przy wspólnym poziomie X?
Średnie brzegoweJaki jest kierunek i wielkość skorygowanej różnicy?
Wartość p nie pokazuje znaczenia praktycznego. Raport uzupełnij o miarę efektu i przedział. Pomaga w tym przewodnik po wartości p, przedziale ufności i wielkości efektu.
Wzór opisu wyniku w pracy dyplomowej
Przeprowadzono analizę kowariancji, w której wyniki końcowe porównano między dwiema grupami po uwzględnieniu wyniku początkowego. Interakcja grupy z wynikiem początkowym nie była istotna, F(1, 76) = 0,42, p = 0,52, co nie wskazywało na różne nachylenia. Po kontroli wyniku początkowego stwierdzono różnicę między grupami, F(1, 77) = 6,84, p = 0,011, η²p = 0,08. Skorygowana średnia wyniosła 72,4 [95% CI: 69,8; 75,0] w grupie A oraz 67,1 [95% CI: 64,5; 69,7] w grupie B.
Podmień liczby i nazwy zgodnie z własnym modelem. Nie pisz, że ANCOVA „udowodniła wpływ”, jeżeli projekt nie pozwala na wniosek przyczynowy. W badaniu obserwacyjnym bezpieczniej pisać o skorygowanej różnicy lub związku.
Najczęstsze błędy zmieniają sens analizy
- wybór kowariaty po obejrzeniu wyników wyłącznie po to, aby zmienić istotność;
- kontrolowanie zmiennej powstałej już po interwencji;
- pominięcie interakcji grupy z kowariatą i założenie równoległych linii bez kontroli;
- porównywanie skorygowanych średnich poza zakresem X wspólnym dla grup;
- traktowanie nieistotnej interakcji jako dowodu idealnie równych nachyleń;
- raportowanie samego p bez średnich brzegowych, przedziałów i miary efektu.
Jeżeli projekt obejmuje te same osoby w kilku terminach, pojedyncza ANCOVA może nie zachować zależności pomiarów. Wtedy sprawdź strukturę opisaną w poradniku o ANOVA z powtarzanym pomiarem i rozważ model mieszany odpowiedni do projektu.
