Hanfodion Dadansoddi Cydamrywiad
Mae Dadansoddi Cydamrywiad (ANCOVA) yn ddull ystadegol sy'n cyfuno technegau atchweliad a dadansoddi amrywiad (ANOVA) i reoli am newidynnau a allai ddylanwadu ar y newidyn dibynnol. Y prif nod yw archwilio effaith newidynnau annibynnol ar y newidyn dibynnol ar ôl rheoli am effeithiau newidynnau a elwir yn gyd-amrywiadau. Yn yr erthygl hon, byddwn yn trafod hanfodion ANCOVA, ei gamau cymhwyso, a sawl enghraifft o'i gymhwysiad mewn ymchwil.
Diffiniad a Swyddogaeth ANCOVA
Defnyddir ANCOVA pan fydd ymchwilwyr eisiau rheoli dylanwad un neu fwy o gyd-newidynnau a allai effeithio ar y newidyn dibynnol, fel y gallant bennu effaith y newidyn annibynnol yn fwy cywir. Er enghraifft, os ydym am ddeall effaith gwahanol ddulliau addysgu ar gyflawniad myfyrwyr, ond rydym yn gwybod bod IQ myfyrwyr hefyd yn dylanwadu ar gyflawniad, gallwn ddefnyddio ANCOVA i reoli IQ a gwerthuso effaith dulliau addysgu yn fwy manwl gywir.
Damcaniaeth Sylfaenol ANCOVA
Mae'r ddamcaniaeth y tu ôl i ANCOVA yn debyg i ANOVA ac atchweliad llinol. Yn ANOVA, mae gennym fodel cyffredinol fel y canlynol:
\[ Y_{ij} = \mu + \tau_i + \epsilon_{ij} \]
lle mae \( Y_{ij} \) yn cynrychioli'r sgôr a welwyd, \( \mu \) yw'r cymedr mawr, \( \tau_i \) yw effaith y driniaeth neu'r grŵp, ac \( \epsilon_{ij} \) yw'r gwall gweddilliol.
Yn ANCOVA, rydym yn ychwanegu un neu fwy o gyd-newidynnau (X) at y model:
\[ Y_{ij} = \mu + \tau_i + \beta (X_{ij} – \bar{X}) + \epsilon_{ij} \]
lle mae β yn gyfernod atchweliad y cyd-newidyn β(X_{ij}). Felly, mae ANCOVA yn helpu i addasu'r model trwy ystyried yr amrywiad a achosir gan y cyd-newidyn.
Rhagdybiaethau yn ANCOVA
Fel dulliau ystadegol eraill, mae gan ANCOVA sawl rhagdybiaeth sylfaenol y mae'n rhaid eu bodloni er mwyn sicrhau dibynadwyedd ei ganlyniadau:
1. Llinoldeb: Rhaid i'r berthynas rhwng y cyd-newidyn a'r newidyn dibynnol fod yn llinol.
2. Homogenedd Llethrau Atchweliad: Rhaid i'r berthynas rhwng y cyd-newidyn a'r newidyn dibynnol fod yn gyson ar draws lefelau'r newidyn annibynnol.
3. Homogenedd Amrywiad: Rhaid i'r amrywiad gweddilliol fod yr un fath ar draws pob grŵp.
4. Normaledd Gweddilliol: Rhaid i weddillion (gwallau) y model agosáu at ddosraniad normal.
5. Annibyniaeth Gwallau: Dylai gweddillion fod yn annibynnol ar ei gilydd.
Camau i Gynnal ANCOVA
1. Casglu Data: Y cam cyntaf yw casglu data priodol drwy nodi newidynnau dibynnol, annibynnol, a chyd-newidynnau. Er enghraifft, casglu data ar IQ, dulliau addysgu (triniaeth), a sgoriau profion terfynol myfyrwyr (dap);
2. Profi Rhagdybiaethau:
– Llinoldeb: Crëwch blot gwasgariad rhwng y cydnewidyn a'r newidyn dibynnol i sicrhau llinoledd.
– Homogenedd Atchweliad: Gwiriwch a yw'r llethr atchweliad rhwng y cydnewidyn a'r newidyn dibynnol yn debyg ar draws pob grŵp.
– Homogenedd Amrywiant a Normalrwydd: Perfformiwch brawf Levene ar gyfer amrywiant a phrawf Kolmogorov-Smirnov neu Shapiro-Wilk ar gyfer normalrwydd.
3. Dadansoddiad Cyn-ANCOVA:
– Perfformio dadansoddiad atchweliad syml i ddeall effaith cyd-newidynnau ar y newidyn dibynnol.
– Cyfrifwch y model ANOVA heb ychwanegu cyd-newidynnau.
4. Cynnal ANCOVA:
– Defnyddiwch feddalwedd ystadegol (fel SPSS, R, neu Python) i redeg y model ANCOVA.
– Rhowch y model ANCOVA yn y ffurf \( Y_{ij} = \mu + \tau_i + \beta (X_{ij} – \bar{X}) + \epsilon_{ij} \).
5. Dehongli'r Canlyniadau:
– Adolygwch y gwerthoedd \(F\) a \(p\) yn yr allbwn i bennu arwyddocâd ystadegol effaith y newidyn annibynnol ar ôl rheoli am gyd-newidynnau.
– Adolygu'r paramedrau atchweliad ar gyfer y cyd-newidynnau i ddehongli eu dylanwad cymharol.
Enghraifft o Gais ANCOVA
1. Ymchwil Addysgol:
Tybiwch ein bod ni eisiau gwybod a yw dull addysgu newydd yn fwy effeithiol na dull traddodiadol wrth wella cyflawniad myfyrwyr. Rydym yn defnyddio cyflawniad myfyrwyr fel y newidyn dibynnol, y dull addysgu fel y newidyn annibynnol, ac IQ myfyriwr fel y cyd-newidyn.
Gyda ANCOVA, gallwn reoli effaith IQ ar gyflawniad a phenderfynu a oes gan ddulliau addysgu newydd effaith sylweddol ar ôl rheoli IQ.
2. Ymchwil Iechyd:
Mewn ymchwil feddygol, tybiwch ein bod am asesu effeithiolrwydd dau fath o ffisiotherapi ar adferiad cleifion strôc. Y newidyn dibynnol yw'r sgôr adferiad, y newidyn annibynnol yw'r math o therapi, a gall oedran y claf fod yn gyd-newidyn.
3. Ymchwil Seicolegol:
Os ydym yn archwilio effeithiau hyfforddiant ymwybyddiaeth ofalgar ar lefelau straen, efallai y byddwn am reoli ffactorau fel lefelau pryder cychwynnol cyfranogwyr fel cyd-newidynnau i weld effeithiau gwirioneddol yr ymyrraeth hyfforddi.
Manteision ac Anfanteision ANCOVA
Gormodedd
– Rheoli ar gyfer Cyd-newidynnau: Drwy reoli ar gyfer newidynnau na ellir eu rhoi ar hap yn llwyr, mae ANCOVA yn darparu dadansoddiad mwy pur o'r berthynas rhwng y newidynnau annibynnol a dibynnol.
– Cynyddu Pŵer Prawf: Drwy leihau amrywiant gwall drwy reolaeth gyd-newidyn, gall ANCOVA gynyddu pŵer ystadegol a chywirdeb canlyniadau.
– Dadansoddiad Aml-newidyn: Mae ANCOVA yn caniatáu ystyried mwy o newidynnau yn y dadansoddiad heb ehangu cymhlethdod y model yn ormodol.
Diffyg
– Rhagdybiaethau Llym: Mae gan ANCOVA nifer o dybiaethau y mae'n rhaid eu bodloni, a gall torri'r rhagdybiaethau hyn arwain at ddehongliadau anghywir.
– Dyluniad Arbrofol: Dim ond yn ddilys ar gyfer dyluniadau arbrofol sydd wedi ystyried cyd-newidynnau mewn damcaniaeth a dyluniad.
– Anawsterau Dehongli: I ymchwilwyr llai profiadol, gall canlyniadau ANCOVA fod yn fwy cymhleth i'w dehongli na ANOVA syml.
Casgliad
Mae Dadansoddi Cydamrywiad (ANCOVA) yn offeryn ystadegol pwerus sy'n caniatáu i ymchwilwyr reoli am newidynnau sy'n dylanwadu ar newidyn dibynnol fel y gallant werthuso dylanwad newidynnau annibynnol yn fwy cywir. Bydd deall hanfodion ANCOVA, ei dybiaethau sylfaenol, a chamau ei ddadansoddiad yn amhrisiadwy wrth gynnal ymchwil empirig mwy trylwyr a dilys.
Gyda enghreifftiau o gymwysiadau mewn amrywiol feysydd, mae'n amlwg bod ANCOVA yn ddull sylfaenol i ymchwilwyr sydd am wella cywirdeb eu canfyddiadau trwy reoli amrywiant diangen yn well. Mae ANCOVA yn cynnig llawer o fanteision, ond mae hefyd yn gofyn am sylw gofalus i dybiaethau a dehongli canlyniadau.
