Académique Documents
Professionnel Documents
Culture Documents
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.