Niedawno przeanalizowałem eksperyment, w którym manipulowano 2 zmiennymi kategorycznymi i jedną zmienną ciągłą za pomocą ANCOVA. Jednak recenzent zasugerował, że regresja wielokrotna ze zmienną kategorialną zakodowaną jako zmienne pozorne jest bardziej odpowiednim testem dla eksperymentów ze zmiennymi kategorycznymi i ciągłymi.
Kiedy należy zastosować ANCOVA vs. regresję wielokrotną ze zmiennymi fikcyjnymi i jakie czynniki należy wziąć pod uwagę przy wyborze między dwoma testami?
Dziękuję Ci.
ANOVA ANCOVA
lubMultiple regression ANCOVA
), mówią mi toANOVA involves only categorical predictors
iANCOVA involves categorical and continuous predictors
, i że zarówno projekty ANOVA, jak i ANCOVA, można opisać przy użyciu modelu regresji wielokrotnej. Czy to jest sprzeczne z odpowiedzią Johna, która mówi"ANCOVA and ANOVA are the same, as ttnphns pointed out"
?Odpowiedzi:
ttnphns jest poprawny.
Biorąc jednak pod uwagę dodatkowe uwagi, sugeruję, że recenzent chciał zmiany wyłącznie w celu interpretacji. Jeśli chcesz pozostać przy wynikach ANOVA, po prostu nazwij to ANOVA. ANCOVA i ANOVA są takie same, jak wskazano w ttnphns. Różnica polega na tym, że w ANCOVA nie traktujesz zmiennych towarzyszących jako predyktorów i na pewno wydaje się, że chcesz to zrobić.
Recenzent miał na myśli to, że chociaż można wykonać ANOVA na ciągłych predyktorach, typowe jest, że wykonuje się regresję. Jedną z cech tego jest to, że otrzymujesz oszacowania efektów zmiennej ciągłej, a nawet możesz spojrzeć na interakcje między nią a kategoryczną (które nie są uwzględnione w ANCOVA, ale mogą być w ANOVA).
Możesz potrzebować pomocy w interpretacji wyników regresji, ponieważ w drodze do interakcji zdarzają się śmieszne rzeczy, jeśli zamierzasz użyć wartości beta do określenia znaczenia swoich efektów.
źródło
Te dwa są tym samym. Na przykład w SPSS procedura, w której określam ANCOVA, nazywa się GLM (ogólny model liniowy); prosi o wprowadzenie „czynników” (predyktorów jakościowych) i „zmiennych towarzyszących” (predyktorów ciągłych). Jeśli przekoduję „czynniki” w zmienne obojętne (pomijając jedną nadmiarową kategorię z każdego czynnika) i wprowadzę wszystkie te wraz ze zmiennymi towarzyszącymi jako „zmienne niezależne” w procedurze REGRESJA (regresja liniowa), uzyskam takie same wyniki jak w przypadku GLM ( zakładając, że zmienna zależna jest oczywiście taka sama).
PS Wyniki będą identyczne, jeśli modele będą identyczne. Jeśli regresja zawiera tylko główne efekty, należy oczywiście określić ANCOVA bez interakcji czynnik-czynnik.
źródło
W tej sytuacji wydaje mi się, że wielokrotna regresja liniowa jest bardziej odpowiednia niż ANCOVA, jak zaleca recenzent czasopisma.
Spróbuj uruchomić zarówno regresję wielokrotną, jak i ANCOVA i porównać wyniki. Prawdopodobnie nie będą identyczne.
ANCOVA i wielokrotna regresja liniowa są podobne, ale regresja jest bardziej odpowiednia, gdy nacisk kładziony jest na zależną zmienną wyniku, natomiast ANCOVA jest bardziej odpowiednia, gdy nacisk kładziony jest na porównywanie grup z jednej ze zmiennych niezależnych. W eksperymencie opisanym powyżej nacisk wyraźnie wydaje się kłaść na zmienną wyniku.
Wreszcie, o ile nie masz pewności, że Twój sposób robienia rzeczy jest lepszy niż Recenzenta, i potrafisz wyjaśnić, dlaczego, prawdopodobnie powinieneś po prostu przyznać się do wiedzy Recenzenta, abyś mógł opublikować swój artykuł.
źródło