Análise de covariância (ANCOVA): o que é e como é usado em estatística

Análise de covariância (ANCOVA): o que é e como é usado em estatística 1

O campo da estatística emprega muitas técnicas que permitem analisar, controlar e ajustar os dados que obtemos em uma investigação. Uma delas é a análise de covariância (ANCOVA) .

Essa técnica estatística utiliza, por sua vez, duas estratégias: a análise de variância (ANOVA) e uma regressão estatística. Faz parte das técnicas para controlar o erro experimental. Neste artigo, saberemos o que é e como funciona.

As estatísticas aplicadas

Estatística é a ciência que engloba todo o conhecimento, estratégias e ferramentas que nos permitem coletar, organizar, apresentar, analisar e interpretar uma série de dados. É especialmente usado em contextos de pesquisa .

Na psicologia, é cada vez mais estudado ao longo da carreira, uma vez que é considerado uma ferramenta muito interessante para saber, e especialmente útil, se queremos nos dedicar à pesquisa.

Esta ciência tem como objetivo descrever os resultados obtidos em uma investigação , bem como analisá-los ou nos ajudar a tomar decisões. Em psicologia, é geralmente usado para estudar e desenvolver diferentes tratamentos e terapias.

Tipos de estatísticas

Existem estatísticas descritivas (onde as informações extraídas são sobre a amostra) e estatísticas inferenciais (que extraem informações sobre a população).

Um tipo de técnica amplamente utilizada em estatística é a análise de covariância, que permite eliminar o erro sistemático que está alterando nossos resultados . Mas é um pouco mais complexo que isso; Vamos explicar isso em detalhes ao longo do artigo.

Análise de covariância: o que é?

A análise de covariância (ANCOVA) é uma técnica usada em estatística e, especificamente , é um teste paramétrico . Testes paramétricos nas estatísticas permitem analisar fatores dentro de uma população. Além disso, eles permitem quantificar até que ponto duas variáveis ​​são independentes.

O acrônimo ANCOVA vem de “ANalysis of COVAriance”. Na realidade, a ANCOVA combina dois tipos de estratégias: Análise de Variância (ANOVA) e Análise de Regressão.

Relacionado:  Folhas de trabalho: o que são, para que servem, peças e tipos

Aqui devemos lembrar que a ANOVA é outra técnica estatística que segrega a variabilidade total de nossos resultados , a parte devido a fontes de erro; Assim, além de ser uma técnica de controle de erros, descubra a influência dos tratamentos.

Por outro lado, a análise de covariância também é uma técnica estatística, mas mais completa que a ANOVA; Como ela, é usada para reduzir o erro experimental, mas também aplica uma regressão linear múltipla (regressão estatística) aos resultados.

  • Você pode estar interessado: ” Teste Qui-quadrado (χ²): o que é e como é usado em estatística “

Técnica de controle de erros

Na pesquisa, é muito importante controlar as fontes de erro experimental (que aparecem devido a variáveis ​​estranhas), pois elas podem alterar os resultados e nos afastar das mudanças reais que estamos procurando. Assim, o erro experimental inclui esses desvios nos resultados em relação ao valor real da magnitude em estudo.

As técnicas que buscam reduzir o erro experimental podem ser de dois tipos : técnicas a priori (usadas antes da aplicação dos tratamentos e coleta dos dados) e técnicas subseqüentes (usadas quando os dados são obtidos). A análise de covariância pertence ao segundo tipo e é usada quando já temos os dados de nossa pesquisa.

Especificamente, a análise de covariância consiste em um procedimento estatístico pelo qual a heterogeneidade que aparece na variável que estamos estudando é eliminada (sendo esta uma variável dependente; por exemplo, níveis de ansiedade), devido à influência de uma (ou mais) variáveis ​​independentes, que são quantitativas e que chamaremos de covariáveis ​​(por exemplo, terapia em diferentes graus de intensidade).

Posteriormente, explicaremos em que consistem as covariáveis, como elas podem alterar os resultados de uma investigação e por que a análise de covariância é útil nesses casos.

Relacionado:  A teoria poligênica das raças de Samuel George Morton

Operação

A base teórica da análise de covariância é a seguinte (ou “etapas” a seguir): primeiro, uma análise de variância é aplicada aos dados (ANOVA) e, em seguida, uma regressão linear múltipla é aplicada a eles ; Isso implica que o efeito que as covariáveis ​​(variáveis ​​independentes) tiveram sobre a variável dependente (ou seja, sobre a variável que estamos estudando) é eliminado.

As covariáveis ​​(X) são características ou medidas de cada unidade experimental ou participante , que não dependem de tratamentos (variáveis ​​independentes), mas estão relacionadas à medida de interesse (Y) (variável dependente). Ou seja, eles têm um efeito ou influência sobre o que estamos estudando, mas não são devidos ao tratamento.

Isso faz com que, ao variar X, também varie Y; Além disso, essa variação de X também afetará a influência que os tratamentos exercem sobre Y. Tudo isso nos interessa em eliminar essas influências (erros experimentais) , pois alteram os resultados; e isso é alcançado através da análise de covariância.

Um fato curioso é que quanto mais covariáveis ​​tivermos, menor a variabilidade dos dados e mais poder estatístico o teste terá. O poder estatístico é a probabilidade de um teste identificar corretamente o impacto que um tratamento tem nos resultados que estamos estudando.

Para que serve? Objetivos

A análise de covariância é usada para os seguintes propósitos: por um lado, elimine qualquer erro sistemático que possa influenciar os resultados de uma investigação (esses erros geralmente ocorrem porque estão fora do controle do investigador) e, por outro, estabeleça diferenças nas respostas dos participantes da pesquisa devido às suas características pessoais .

Isso faz a análise de covariância usada para estabelecer diferenças entre os tratamentos, por exemplo.

Relacionado:  25 perguntas estúpidas (mas muito difíceis de responder)

O resultado da análise de covariância é uma pontuação corrigida que foi subtraída da quantia ou valor atribuível à variável estrangeira.

A análise de covariância permite aumentar a precisão dos experimentos e eliminar os efeitos de variáveis ​​que nada têm a ver com o tratamento , mas que, no entanto, estão influenciando os resultados.

Além disso, permite obter mais informações sobre a natureza dos tratamentos que estamos aplicando em nossa pesquisa. Em resumo, nos ajuda a ajustar nossos resultados para torná-los mais confiáveis.

Campos de aplicação

A análise de covariância é aplicada principalmente no campo das estatísticas aplicadas . É por isso que é freqüentemente usado em pesquisas; No entanto, o tipo de pesquisa em que pode ser usada varia e pode ser uma pesquisa educacional, clínica, agrícola, de saúde, etc.

Exemplos (aplicações)

A análise de covariância nos permite estudar, por exemplo, a relação entre idade (covariável) e níveis de ansiedade (variável dependente) por estados (tratamentos), dentro de uma investigação em psicologia clínica.

Mas, como vimos, essa técnica pode ser usada em outros tipos de pesquisa, por exemplo na pesquisa agrícola: uma possível aplicação seria se desejássemos estudar a relação entre o tamanho do tomate (covariável) e o rendimento por hectare do nosso jardim (variável dependente) de acordo com a variedade de tomate (diferentes tratamentos).

Referências bibliográficas:

  • Amón, J. (2006). Estatística para psicólogos II: Probabilidade, estatística inferencial. Madri: pirâmide.
  • Badii, MH, Castillo, J. & Wong, A. (2008). Uso da Análise de Covariância (ANCOVA) em pesquisas científicas. Inovações de negócios, 5 (1): 25-38.
  • Ferguson, GA (1989). Análise estatística em educação e psicologia. Madri: Anaya.

Deixe um comentário

Este site usa cookies para lhe proporcionar a melhor experiência de usuário. política de cookies, clique no link para obter mais informações.

ACEPTAR
Aviso de cookies