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 ANCOVAlubMultiple regression ANCOVA), mówią mi toANOVA involves only categorical predictorsiANCOVA 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