Sunteți pe pagina 1din 4

Introducere

Analiza multivariate univire a covarianței (MANCOVA) poate fi gândită ca o extensie a MANOVA


unidirecțională pentru a încorpora o covariate sau o extensie a ANCOVA unidirecționale pentru a
încorpora multiple variabile dependente. Aceasta covariata este liniar legata de variabilele dependente,
iar includerea sa in analiza poate creste capacitatea de a detecta diferentele intre grupurile unei
variabile independente.

Un MANCOVA unidirecțional este utilizat pentru a determina dacă există diferențe semnificative din
punct de vedere statistic între mijloacele ajustate a trei sau mai multe grupuri independente (fără
legătură), controlate pentru o covariață continuă.

De exemplu, puteți utiliza un MANCOVA unidirecțional pentru a determina dacă un număr de


performanțe de examen diferite diferă în funcție de nivelurile de anxietate la test în rândul studenților,
în timp ce controlați timpul de revizuire (adică, variabilele dvs. dependente ar fi „performanța
examenului de științe umaniste”, „știința” performanța examenului ”și„ performanța examenelor
matematice ”, toate măsurate între 0-100, variabila dvs. independentă ar fi„ nivelul anxietății de testare
”, care are trei grupuri -„ studenți cu un nivel scăzut de tensiune ”,„ studenți cu tensiune moderată
”și„ foarte- studenți stresați - - iar covariata dvs. ar fi „timpul de revizuire”, măsurat în ore). Doriți să
controlați timpul de revizuire, deoarece credeți că efectul nivelului de anxietate al testului asupra
performanței generale a examenelor va depinde, într-o oarecare măsură, de timpul petrecut de
studenți.

MANCOVA unidirecțională este foarte utilă, dar este important să ne dăm seama că MANCOVA
unidirecțională este o statistică de test omnibus. Vă va spune dacă grupurile variabilei independente
diferă semnificativ statistic în funcție de variabilele dependente combinate, după ajustarea pentru
covariate, dar nu va explica rezultatul mai departe. Cu alte cuvinte, MANCOVA unidirecțional nu vă va
spune despre diferențele dintre anumite grupuri. Folosind exemplul de mai sus, un MANCOVA unic
semnificativ statistic ar indica faptul că există o diferență în nivelurile de anxietate de test la scorurile
combinate de la cele trei examene (de exemplu, examenele de științe umaniste, științe și matematice).
Cu toate acestea, nu va indica dacă studenții cu un nivel scăzut de scor au obținut un scor mai mare la
scorurile examenelor combinate decât studenții cu nivel superior, sau chiar mai precis, dacă studenții cu
nivel scăzut au obținut un punctaj mai mare la un examen specific (de exemplu, examen științific) în
comparație cu studenți stresați. Acestea fiind spuse, există teste de urmărire (cunoscute sub numele de
teste post-hoc) care pot fi utilizate pentru a determina unde se află aceste diferențe între grupuri,
despre care discutăm la sfârșitul acestui ghid.

Ipoteze

1
Când alegeți să vă analizați datele utilizând un MANCOVA unidirecțional, o parte critică a procesului
implică verificarea pentru a vă asigura că datele pe care doriți să le analizați pot fi efectiv analizate
folosind un MANCOVA unidirecțional. Trebuie să faceți acest lucru deoarece este adecvat să utilizați un
MANCOVA unidirecțional dacă datele dvs. „trec” 11 presupuneri care sunt necesare pentru un
MANCOVA unidirecțional pentru a vă oferi un rezultat valid. Nu vă mirați dacă, atunci când analizați
propriile date utilizând SPSS Statistics, una sau mai multe dintre aceste presupuneri sunt încălcate (adică
nu sunt respectate). Acest lucru nu este neobișnuit atunci când lucrați cu date din lumea reală. Cu toate
acestea, chiar și atunci când datele dvs. nu reușesc anumite presupuneri, există deseori o soluție pentru
a depăși acest lucru.

În practică, verificarea acestor 11 presupuneri este probabil cea mai consumatoare de timp din analiza
dvs., necesitând să lucrați prin proceduri suplimentare în statisticile SPSS atunci când efectuați analiza
dvs., precum și să petreceți timp gândindu-vă la datele dvs. și la ce să faceți. dacă datele dvs. încalcă
presupuneri diferite. În secțiunea de mai jos, aceste 11 ipoteze sunt prezentate pe scurt:

    Presupunerea nr. 1: cele două sau mai multe variabile dependente trebuie măsurate la nivel de
intervale sau raport (adică sunt variabile continue). Exemple de variabile continue includ timpul de
revizuire (măsurat în ore), informații (măsurate cu punctaj IQ), performanța examenului (măsurată de la
0 la 100), greutatea (măsurată în kg) și așa mai departe. Puteți afla mai multe despre variabilele de
intervale și raporturi în articolul nostru: Tipuri de variabile.
    Presupunerea nr. 2: singura dvs. variabilă independentă ar trebui să fie formată din două sau mai
multe grupuri independente categorice (adică aveți o variabilă nominală sau o variabilă ordinală).
Exemple de variabile nominale includ sex (de exemplu, 2 grupuri: bărbat și femeie), etnie (de exemplu, 3
grupuri: caucazian, afro-american și hispanic) și profesie (de exemplu, 4 grupuri: chirurg, medic, asistent
și dentist). Exemple de variabile ordinale includ concentrația de colesterol (de exemplu, 2 grupuri: 5
mmol / L sau mai jos și peste 5 mmol / L), nivelul de activitate fizică (de exemplu, 3 grupuri: scăzut,
moderat și mare) și indicele de masă corporală (de exemplu, 4 grupuri: subponderale, normale,
supraponderale, obeze).
    Asumarea nr. 3: una sau mai multe covariate ale dumneavoastră sunt toate variabile continue (a se
vedea Adunarea nr. 1 pentru exemple de variabile continue). Un covariate este pur și simplu o variabilă
continuă independentă care este adăugată la un model MANOVA pentru a produce un model
MANCOVA. Aceasta covariata este folosita pentru a regla mijloacele grupurilor variabilei independente
categorice. Într-un MANCOVA, covariata este, în general, doar pentru a oferi o evaluare mai bună a
diferențelor dintre grupurile variabilei categorice independente pe variabilele dependente.
    Presupunerea nr. 4: ar trebui să aveți independența observațiilor, ceea ce înseamnă că nu există nicio
relație între observațiile din fiecare grup al variabilei independente sau între grupurile în sine. De
exemplu, trebuie să existe participanți diferiți în fiecare grup al variabilei independente, fără ca niciun
participant să fie în mai multe grupuri. Aceasta este mai mult o problemă de proiectare a studiului decât
ceva pe care îl puteți testa, dar este o presupunere importantă a MANCOVA unidirecțional.
    Ipoteza # 5: Ar trebui să existe o relație liniară între fiecare pereche de variabile dependente din
cadrul fiecărui grup al variabilei independente. Dacă variabilele nu sunt liniar legate, puterea testului
este redusă. Puteți testa această presupunere prin trasarea unei matrice scatterplot cu linii loess ale
variabilelor dependente pentru fiecare grup al variabilei independente. Pentru a face acest lucru, va
trebui să împărțiți fișierul dvs. de date în SPSS Statistics înainte de a genera matricile de scatterplot.

2
    Ipoteza # 6: Ar trebui să existe o relație liniară între covariate și fiecare variabilă dependentă în cadrul
fiecărui grup al variabilei independente. În mod similar cu ipoteza nr. 5 de mai sus, puteți testa această
presupunere prin trasarea unei matrice de dispersie cu linii loess ale covariatei pentru fiecare dintre
variabilele dependente, pentru fiecare grup al variabilei independente. Va trebui din nou să vă asigurați
că fișierul dvs. de date este împărțit în SPSS Statistics înainte de a genera matricile de scatterplot.
    Presupunerea nr. 7: Ar trebui să existe omogenitatea pârtiilor de regresie. Această presupunere
afirmă că relația dintre covariate și fiecare variabilă dependentă separată, evaluată de panta de regresie,
este aceeași în fiecare grup al variabilei independente. Simplu spus, presupunerea nr. 6 a evaluat dacă
relațiile au fost liniare; această presupunere verifică acum că aceste relații liniare sunt aceleași. Puteți
testa această presupunere este SPSS Statistici.
    Presupunerea nr. 8: Ar trebui să existe omogenitate între variații și covarianțe. Cu alte cuvinte,
MANCOVA unidirecțională presupune că variațiile și covarianțele variabilelor dependente sunt egale în
toate grupurile variabilei independente. Puteți testa această presupunere în Statistici SPSS folosind
testul M al boxului M pentru egalitatea matricilor de covarianță.
    Prezumția nr. 9:

exemplu și Configurare date în Statistici SPSS

Un cercetător a dorit să stabilească dacă sănătatea cardiovasculară a fost mai bună pentru persoanele
cu greutate normală, cu niveluri mai mari de activitate fizică (adică, spre deosebire de indivizii mai
supraponderali cu niveluri mai scăzute de activitate fizică). Ca atare, cercetătorul a recrutat 120 de
participanți care au fost ulterior împărțiți într-unul din cele trei grupuri, în funcție de cantitatea de
activitate fizică pe care au desfășurat-o: un grup care a fost clasificat ca angajat într-o cantitate „scăzută”
de activitate fizică, un grup care a fost clasificat ca fiind implicarea într-o cantitate „moderată” de
activitate fizică și un grup care a fost clasificat ca angajat într-o cantitate „mare” de activitate fizică. Au
fost 40 de participanți la fiecare grup. Pentru a măsura sănătatea cardiovasculară, cercetătorul a luat trei
măsurători de la participanți: (1) concentrația de colesterol (măsurată în mmol / L), proteină C-reactivă
(un marker al bolilor de inimă, măsurată în mg / L) și tensiunea arterială sistolică ( adică, 140 în 140/80,
măsurat în mmHg).

Se aștepta ca nivelurile crescute de activitate fizică să aibă un efect benefic global asupra sănătății
cardiovasculare, măsurată prin concentrația de colesterol, proteina C-Reactive și tensiunea arterială
sistolică. Cu toate acestea, cercetătorul știe că greutatea corporală afectează și sănătatea
cardiovasculară. Ca atare, cercetătorul a dorit să controleze diferențele de greutate corporală a
participanților.

O MANCOVA unidirecțională a fost realizată cu concentrație de colesterol, col, proteină C-Reactive, crp
și tensiune arterială sistolică, sbp, ca variabile dependente, greutatea corporală ca covariata, greutatea
și cele trei grupuri de activitate fizică - „scăzută. "," moderat "și" mare "- ca grupuri ale variabilei
independente, grup.

În Statistici SPSS, creăm cinci variabile: (a) cele trei variabile dependente continue, chol, crp și sbp; (b)

3
variabila independentă categorică, grup, care are trei grupuri: „scăzut”, „moderat” și „mare”; și
covariata, greutate, care reprezintă greutatea corporală. Aceste variabile trebuie să fie configurate
corect în ferestrele Vizualizare variabilă și Vizualizare date din SPSS Statistics înainte de a putea efectua
MANCOVA unidirecțional.

Notă: De asemenea, va trebui să creați o variabilă suplimentară, ID, pentru a acționa ca număr de caz.
Această variabilă este necesară pentru a testa dacă există valori externe multivariate (adică, parte a
presupunerii nr. 10 de mai sus).
SPSS Statisticstop ^
Procedura de testare în statisticile SPSS

Cele cinci etape de mai jos vă arată cum să analizați datele dvs. utilizând un MANCOVA unidirecționat în
Statistici SPSS atunci când cele 11 presupuneri din secțiunea anterioară, Ipoteze, nu au fost încălcate. La
sfârșitul acestor cinci pași, vă arătăm cum puteți interpreta rezultatele acestui test.