Analiza kovarijanse

ANCOVA
 Analiza kovarijanse
• Postupak za ispitivanje združenih efekata više
nezavisnih varijabli na jednu zavisnu, pri čemu je
barem jedna nezavisna varijabla kategorijalna i
barem jedna nezavisna varijabla je kontinualna
(barem intervalni nivo merenja). Praktično – spoj
ANOVAe i regresije.
• MANCOVA – multivarijaciona analiza
kovarijanse – postupak u kome ima više od
jedne zavisne varijable.
 Pretpostavke
• Barem jedna nezavisna varijabla kategorijalna i barem jedna
kontinualna (može ih biti više, ali ovo je minimum). Nezavisne
opservacije (bez ponavljanja ispitanika, ne treba ubacivati varijable
koje su nastale kombinovanjem varijabli koje su već u modelu).
• Normalna distribucija svih kontinualnih varijabli (zavisna,
nezavisna).
• Linearni odnos kontinualnih nezavisnih varijabli i kriterijuma.
• Homoskedascitet – varijanse zavisne varijable na različitim nivoima
nezavisnih treba da budu jednake (suportno – heteroskedascitet).
Homogenost varijansi.
• Za MANCOVA-u – homogenost kovarijansi – matrice kovarijansi
izmedju zavisnih varijabli treba da budu jednake na svim nivoima
nezavisnih varijabli.
 Izvođenje
• Preko GLM (opšti linearni modeli) – zasnovano
na analizi varijanse.
• Preko regresije – zahteva da se prvi kategorijalni
prediktori binarizuju, tj. Da se pretvore u
potreban broj binarnih varijabli. Za testiranje
efekata interakcije potrebno je napraviti posebne
varijable i ubaciti ih u model (var1*var2).
 Tumačenje
• Kod regresije – isto kao za postupak regresije,
samo što ovde nivoi kategorijalnih prediktora idu
kao posebne varijable i tako se i tumače.
• Kod GLM – postupak je zgodniji kada nas
interesuje kolike su razlike na zavisnoj između
ispitanika na različitim nivoima kategorijalnog
prediktora kad se odstrani varijansa objašnjena
kontinualnim prediktorima. Svi aspekti
tumačenja su slični kao kod ANOVAe (F
statistik, njegova statistička značajnost, veličine
efekta, post hoc testovi, interakcije...)
Medijacija
 Medijacija
• Pojava da efekat jedne varijable na drugu nije
direktan, već da se ostvaruje indirektno preko
neke druge varijable
• Potpuna medijacija – sav efekat jedne varijable
na drugu se prenosi preko treće varijable
• Delimična medijacija – deo efekta jedne varijable
na drugu se prenosi preko treće varijable
• Ukupan efekat prediktora na kriterijum=direktan
efekat+indirektan efekat
 Kako je otkriti
• Razlog za sumnju – tri varijable u korelaciji
svaka sa svakom.
• Kod regresije – nakon uključivanja
medijatora u model, regresioni koeficijent
prediktora čiji je efekat posredovan tim
medijatorom prestaje da bude statistički
značajan (ako se radi o punoj medijaciji),
ili se beta koeficijent bitno smanjuje (ako
se radi o delimičnoj).
 Testiranje
• Odokativna procena na osnovu poznavanja prirode varijabli i
opažanja pojave da veza jedne s drugom postaje neznačajna (ili
slabija kad se doda treća).
• Sobelov test – testira nultu hipotezu da je indirektni efekat
prediktora na kriterijum, a koji se ostvaruje preko predloženog
medijatora jednak nuli.
• Strukturalno modeliranje – postavi se model koji pretpostavlja
prenos efekata, pa se takav model testira.
• Važno – Preacher i Heys (2004) razlikuju medijaciju i indirektan
efekat. Medijacija je po njima poseban slučaj indirektnog efekta, gde
i postoji značajna medijacija, a značajan je i totalni efekat prediktora
na kriterijum. Za razliku od toga, samo termin “indirektni efekat” ne
implicira nužno i statistički značajan totalni efekat, odnosno varijabla
može imati statistički značajan indirektni efekat iako ukupni efekat te
varijable nije statistički značajan.
 Šta je važno kod testiranja?
• Isključiti mogućnost da kauzalni niz ide
zapravo u suprotnom smeru (da nije
prediktor uzrok kriterijuma nego obrnuto).
• Proveriti da li se možda efekat medijatora
prenosi preko prediktora, a ne obrnuto.
Zato je zgodno testirati i alternativni model
u kome su prediktoru i medijatoru
zamenjena mesta.
Hvala