ANCOVA

APA ITU ANCOVA ?

merupakan model linier dengan satu variabel dependen kontinu dan satu atau
lebih variabel independen. ANCOVA merupakan penggabungan
antara ANOVA dan regresi linier yang lazimnya menggunakan variabel kuantitatif.
ANCOVA dilakukan dengan menambahkan variabel penguat (kovariat) ke dalam model
sehingga memperkuat ketepatan/presisi analisis dan meningkatkan signifikansi secara
statistik. Secara spesifik, uji ANCOVA menggunakan asumsi layaknya uji ANOVA,
dimana error masing-masing variabel penjelas terdistribusi secara normal dan
bersifat homoskedastik, artinya tidak mengandung masalah heteroskedastisitas dimana
nilai residual memiliki keragaman yang konstan, dan data setidaknya memiliki standar
error yang kecil. Uji ANCOVA juga mempersyaratkan adanya hubungan linier antara
variabel dependen dan independen.
ASUMSI ANCOVA
ANCOVA memiliki asumsi yang sama seperti ANOVA kecuali, ada dua hal
penting pertimbangan tambahan yaitu : (1) independensi kovariat dan pengerjaan efek,
dan (2) homogenitas regresi.
INDIPENDENCE OF COVARIATE
Saya katakan dalam bagian sebelumnya bahwa salah satu penggunaan
ANCOVA adalah untuk mengurangi kesalahan dalam kelompok varians dengan
memungkinkan covariate untuk menjelaskan beberapa kesalahan ini varians. Namun,
untuk hal ini benar covariate harus independen dari efek eksperimental.
Figur 11.2 menunjukkan tiga skenario yang berbeda. Bagian A menunjukkan ANOVA
dasar dan mirip dengan gambar 10.3. ini menunjukkan bahwa efek eksperimental
(dalam contoh kami libido) dapat dibagi menjadi dua bagian yang mewakili efek
eksperimental atau percobaan. Bagian B menunjukkan skenario yang ideal untuk

ANCOVA covariate yang membagi varians dengan sedikit libido yang saat ini tidak
dapat dijelaskan. Skenario ini adalah satu-satunya di mana ANCOVA tepat. Bagian c
menunjukkan situasi di mana orang-orang sering menggunakan ancova di saat tidak
tepat. Dalam situasi ini dampak covariate overlaps dengan efek percobaan. Dengan
kata lain, efek eksperimental bingung dengan efek dari kovariat. Dalam situasi ini,
covariate akan mengurangi percobaan efek karena itu menjelaskan beberapa varians
yang sebaliknya akan berkaitan dengan percobaan.
Masalah covariate dan berbagi percobaan varians Umum, diabaikan atau
disalahfaham oleh banyak orang. Untuk merangkum masalah utama, ketika kelompokkelompok percobaan yang berbeda pada covariate kemudian meletakkan covariate ke
dalam analisis hal ini tidak akan mengontrol atau keluar keseimbangan di perbedaan
itu. Situasi ini muncul terutama ketika peserta tidak ditugaskan secara acak untuk
percobaan. Misalnya, kegelisahan dan depresi sangat berhubungan, jadi jika anda ingin
membandingkan sekelompok orang terhadap kelompok non-cemas pada beberapa
yang cemas, kemungkinan adalah bahwa kelompok cemas juga akan lebih tertekan
daripada kelompok non-cemas. Anda mungkin berpikir bahwa dengan menambahkan
depresi sebagai covariate ke dalam analisis anda dapat melihat efek murni dari
kecemasan tetapi anda tidak akan bisa. Ini akan menjadi situasi di bagian C figur 11,2,
Efek covariate (depresi) akan berisi beberapa varians dari efek kecemasan.
REGRESI HOMOGENITAS
Ketika sebuah ancova dilakukan, kita lihat ke semua hubungan antara outcome
dan kovariat. Kami muat garis regresi untuk seluruh data set, mengabaikan grup yang
dimiliki oleh seseorang. Untuk menyesuaikan seluruh model, kami menganggap bahwa
hubungan keseluruhan ini berlaku untuk semua kelompok peserta. Sebagai contoh, jika
ada hubungan yang positif antara covariate dan hasil dalam satu kelompok, kita
berasumsi bahwa ada hubungan yang positif dalam semua kelompok lain juga. Asumsi
ini sangat penting dan disebut sebagai Regresi Homogenitas.

INPUT DATA

Data untuk contoh ini di tabel 11.1 dan dapat ditemukan dalam data ViagraCovariate.

Tabel ini menunjukkan libido peserta dan libido pasangan mereka

Tabel 11.2 Menunjukan rata rata dan standar deviasi

Rata-rata dan standar deviasi dari data 11.1