Zaten bir gerileme bir değişken olmak üzere genellikle denetlemenin anlamı söylediği gibi (@EMS tarafından sivri out gibi, bu ulaşmada herhangi başarıyı garanti etmez, o bu bağlantılar ). Bu konuda zaten çok oylanan bazı sorular ve cevaplar var, örneğin:
Bu sorulardaki kabul edilen cevapların hepsi, gözlemsel (korelasyonel diyebilirim) bir çerçevede sorduğunuz sorunun çok iyi tedavileridir, burada daha fazla soru bulunabilir .
Ancak, sorunuzu özellikle deneysel veya ANOVA çerçevesinde soruyorsunuz, bu konu hakkında daha fazla düşünce verilebilir.
Deneysel bir çerçeve içinde, değişkenleri farklı deneysel koşullar üzerinde rastgele (ya da diğer gözlem birimlerini) randomize ederek kontrol edersiniz. Temel varsayım, sonuç olarak koşullar arasındaki tek farkın deneysel tedavidir. Doğru bir şekilde randomize edildiğinde (yani, her bireyin her durumda olma şansı aynıdır) bu makul bir varsayımdır. Ayrıca, yalnızca randomizasyon gözleminizden nedensel çıkarımlar çekmenize izin verir, çünkü sonuçlarınızdan başka faktörlerin sorumlu olmadığından emin olmanın tek yolu budur.
Bununla birlikte, deneysel bir çerçevede, yani bu bağımlı değişkeni de etkileyen başka bir bilinen faktör olduğunda değişkenlerin kontrol edilmesi de gerekli olabilir. İstatistiksel gücü arttırmak ve daha sonra bu değişkeni kontrol etmek için iyi bir fikir olabilir. Bunun için kullanılan olağan istatistiksel prosedür, temelde sadece değişkeni modele ekleyen kovaryans analizidir (ANCOVA).
Şimdi en önemli nokta: ANCOVA'nın makul olması için, gruplara atamanın rasgele olması ve kontrol edildiği değişkenin gruplandırma değişkeni ile ilişkili olmaması kesinlikle çok önemlidir.
Ne yazık ki bu göz ardı edilir ve yorumlanamaz sonuçlara yol açar. Bu kesin konuya gerçekten okunabilir bir giriş (yani, ANCOVA'nın ne zaman kullanılacağı veya kullanılmaması) Miller & Chapman (2001) tarafından verilmektedir :
Birçok mekanda sayısız teknik tedaviye rağmen, kovaryans analizi (ANCOVA), özellikle psikopatoloji araştırmalarında, potansiyel ortak değişkenler üzerindeki önemli grup farklılıklarıyla başa çıkmak için yaygın olarak kötüye kullanılan bir yaklaşım olmaya devam etmektedir. Yayınlanan makaleler asılsız sonuçlara varır ve bazı istatistik metinleri konuyu ihmal eder. Bu gibi durumlarda ANCOVA ile ilgili sorun gözden geçirilmektedir. Birçok durumda, potansiyel bir ortak değişken üzerinde gerçek grup farklılıklarını "düzeltmek" veya "kontrol etmek" için yüzeysel olarak çekici hedefe ulaşmanın bir yolu yoktur. ANCOVA'nın kötüye kullanımını kısıtlamak ve uygun kullanımı teşvik etmek amacıyla, halihazırda mevcut olan matematiksel eleştirileri tamamlamak için ders kitaplarında ve diğer genel sunumlarda nadiren dile getirilen önemli bir karışıklığı vurgulayan teknik olmayan bir tartışma sunulmaktadır.
Miller, GA ve Chapman, JP (2001). Kovaryansın yanlış anlaşılması analizi. Anormal Psikoloji Dergisi , 110 (1), 40-48. DOI: 10,1037 / 0021-843X.110.1.40