توضیحات
آنالیز کوواریانس Analyze of Covariance ANCOVA یا آنکوا، نوعی آنالیز و تحلیل همانند آنوا میباشد. هرگاه در آنالیز واریانس بخواهیم اثر کمیتهای مداخله گر را به روشهای آماری حذف کنیم تا نتایج با دقت بیشتری به دست آید از آنالیز کوواریانس استفاده میشود. در این روش هم از کنترل آماری و هم از واریانس استفاده میشود. بهعبارت دیگر به جای تحلیل واریانس تحلیل کوواریانس مورد استفاده قرار میگیرد.
در واقع آنکوا ANCOVA مدل تعمیم یافته آنوا ANOVA و همچنین مدلهای رگرسیونی است. تحلیل کوواریانس مناسبترین آزمون آماری برای طرح پیش آزمون و پس آزمون ٢ گروهی میباشد و تنها عامل تهدید کننده اعتبار درونی تحلیل کوواریانس طرح پیش آزمون است.
تصاویر برخی از اسلایدهای آموزشی
فرضیههای لازم در آنالیز کوواریانس
به هنگام انجام تحلیل کوواریانس ابتدا برقراری فرضیههای زیر را بررسی میکنیم. پس از آن به ارایه تحلیلهای آنالیز کوواریانس میپردازیم.
- مقیاس اندازهگیری باید نسبی یا فاصلهای باشد. به معنای اعداد در ریاضی
- توزیع دادهها و البته باقیماندههای مدل، نرمال باشد. در صورتی که دادهها دارای چولگی شدید باشند، معمولاً نمیتوان از آنالیز کوواریانس استفاده کرد. جهت بررسی نرمال بودن دادهها به سادگی میتوان از آزمون کولموگروف-اسمیرنوف استفاده کرد.
- واریانسها همگن باشند. جهت بررسی همگنی واریانسها از آزمونی به نام آزمون لوین Levene استفاده میکنیم.
- مشاهدات دارای داده پرت نباشند. برای این منظور در SPSS میتوان یک Box Plot رسم کرد.
- ارتباط خطی بین اندازههای پیش آزمون و پس آزمون تایید شود. یعنی ضریب رگرسیونی معنادار باشد.
- شیب خطهای رگرسیونی همگن باشد. به معنای وجود دو خط رگرسیونی موازی
در این مجموعه آموزشی به تفکیک و با جزئیات کامل به بررسی پیش فرضهای آنالیز کوواریانس پرداختهایم.
مطالب ارایه شده در مجموعه آموزشی آنالیز کوواریانس
در آموزش ویدئویی آنالیز کوواریانس با استفاده از نرم افزار SPSS موارد زیر بیان و در قالب ویدئو و اسلایدهای آموزشی توضیح داده شده است.
- مثال نرمافزار SPSS برای ANCOVA
- پیشفرضهای آنالیز کوواریانس
- بررسی نرمال بودن دادهها و باقیماندهها
- Split File در فرایند تحلیل کوواریانس
- General Linear Model در ANCOVA
- تنظیمات پنجره Univariate در تحلیل کوواریانس
- دکمهها و منوهای نرمافزار SPSS در ANCOVA
- آزمون Levene در فرضیه همگنی واریانسها
- Parameter Estimate مدل تحلیل کوواریانس
- تحلیل کوواریانس چیست؟
- طراحی و ساختار آنالیز کوواریانس
- ترکیب دو طرح Independent و Paired
- کمیت مداخلهگر در ANCOVA
- دادههای پرت در آنالیز کوواریانس
- برازش مدل رگرسیونی خطی بین پیش و پس آزمون
- بررسی همگنی شیبها Slopes
- میانگینهای حاشیهای و دکمه EM Means
- Residuals در دکمه Save پنجره Univariate
آنالیز کوواریانس چندبعدی MANCOVA
آنالیز چندمتغیرهٔ کوواریانسها Multivariable Analyze of Covariance MANCOVA یا مانکوا، روش تعمیمیافته آنکوا (آنالیز کوواریانس) است و در مواردی کاربرد دارد که بیش از یک کمیت مستقل وجود داشته باشد و همچنین در مواردی که کمیتهای وابسته به آسانی نتوانند ترکیب شوند به کار میرود MANCOVA همان MANOVA با این تفاوت که به شما امکان میدهد اثرات اضافی کمیتهای مستقل را نیز کنترل کنید.
اگر چندین کوواریانس وجود داشته باشد مانکوا (MANCOVA) به جای مانوا (آنالیز واریانس چند متغیره) به کار برده میشود.
پشتیبانی انجام تحلیلهای آنالیز کوواریانس یک و چندبعدی
ما در موسسه علمی پژوهشی داده پویا علامه دارای نماد اعتماد الکترونیک ایران و مجوز ثبت و شناسه ملی میباشیم. بر این اساس تمام محصولات و کارگاه آموزشی ما دارای پشتیبانی اختصاصی و رایگان میباشد. تحلیل آماری روش آنالیز کوواریانس نیز دارای پشتیبانی اختصاصی بوده و شما میتوانید سوالات خود را با ما از طریق همین صفحه و یا آدرس ایمیل در میان بگذارید.