Section author: Danielle J. Navarro and David R. Foxcroft

கோவாரன்ச் பகுப்பாய்வு (ANCOVA)

கூடுதல் தொடர்ச்சியான மாறி | தொடர்ச்சியான | இருக்கும்போது ANOVA இல் ஒரு மாறுபாடு உள்ளது சார்பு மாறியுடன் தொடர்புடையதாக இருக்கலாம் என்று நீங்கள் நினைக்கிறீர்கள். இந்த கூடுதல் மாறியை பகுப்பாய்வில் ஒரு கோவாரியட்டாக சேர்க்கலாம், கோவாரன்ச் (ANCOVA) இன் பொருத்தமாக பெயரிடப்பட்ட பகுப்பாய்வில்.

ANCOVA இல், சார்பு மாறியின் மதிப்புகள் கோவாரியட்டின் செல்வாக்கிற்காக “சரிசெய்யப்படுகின்றன”, பின்னர் “சரிசெய்யப்பட்ட” மதிப்பெண் வழிமுறைகள் குழுக்களிடையே சோதிக்கப்படுகின்றன | பெயரளவு | வழக்கமான வழியில். இந்த நுட்பம் ஒரு பரிசோதனையின் துல்லியத்தை அதிகரிக்கக்கூடும், எனவே சார்பு மாறியில் குழு வழிமுறைகளின் சமத்துவத்தின் மிகவும் “சக்திவாய்ந்த” சோதனையை வழங்கும். அன்கோவா இதை எவ்வாறு செய்கிறார்? சரி, கோவாரியேட் பொதுவாக எந்தவொரு சோதனை ஆர்வத்திலும் இல்லை என்றாலும், கோவாரியட்டுக்கான சரிசெய்தல் சோதனை பிழையின் மதிப்பீட்டைக் குறைக்கும், இதனால், பிழை மாறுபாட்டைக் குறைப்பதன் மூலம், துல்லியம் அதிகரிக்கப்படுகிறது. இதன் பொருள் சுழிய கருதுகோளை (தவறான எதிர்மறை அல்லது வகை II பிழை) நிராகரிக்க பொருத்தமற்ற தோல்வி குறைவு.

இந்த நன்மை இருந்தபோதிலும், குழுக்களுக்கு இடையிலான உண்மையான வேறுபாடுகளை செயல்தவிர்க்கும் அபாயத்தை ANCOVA இயக்குகிறது | பெயரளவு |, இது தவிர்க்கப்பட வேண்டும். பாருங்கள்: NUMREF: FIG-ANCOVA_GROUPS, எடுத்துக்காட்டாக, இது வயதுக்கு எதிரான புள்ளிவிவர கவலையின் சதித்திட்டத்தைக் காட்டுகிறது மற்றும் இரண்டு தனித்துவமான குழுக்களைக் காட்டுகிறது-கலை அல்லது அறிவியல் பின்னணி அல்லது விருப்பம் உள்ள மாணவர்கள். ஒரு கோவாரியட்டாக வயதுடைய ANCOVA இரண்டு குழுக்களில் புள்ளிவிவர கவலை வேறுபடுவதில்லை என்ற முடிவுக்கு வழிவகுக்கும். இந்த முடிவு நியாயமானதாக இருக்குமா - அநேகமாக இரு குழுக்களின் அகவை ஒன்றுடன் ஒன்று இல்லாததால் அல்ல, மாறுபாட்டின் பகுப்பாய்வு அடிப்படையில் “தரவு இல்லாத ஒரு பிராந்தியத்தில் விரிவுபடுத்தப்பட்டுள்ளது” (: எவரிட், 1996 <everitt_1996>).

Fig. 154 இரண்டு தனித்துவமான குழுக்களுக்கான வயதுக்கு எதிரான புள்ளிவிவர கவலை

தனித்துவமான குழுக்களுடன் கோவாரன்ச் பகுப்பாய்விற்கு கவனமாக சிந்தனை வழங்கப்பட வேண்டும் என்பது தெளிவாகிறது. இது ஒரு வழி மற்றும் காரணியாலான வடிவமைப்புகளுக்கு பொருந்தும், ஏனெனில் ANCOVA இரண்டையும் பயன்படுத்தலாம்.

சாமோவியில் அன்கோவா இயங்குகிறது

ஒரு சுகாதார உளவியலாளர் வழக்கமான சைக்கிள் ஓட்டுதல் மற்றும் மகிழ்ச்சி நிலைகளில் மன அழுத்தத்தின் தாக்கத்தில் ஆர்வம் காட்டினார், அகவை ஒரு கோவாரியட்டாக இருந்தது. சாமோவியில் அமைக்கப்பட்ட | ANCOVA | _ தரவுகளைத் திறந்து, பின்னர், ஒரு அன்கோவாவை மேற்கொள்ள, அன்கோவா பகுப்பாய்வு சாளரத்தைத் திறக்க `` அனலீச்`` `` அனோவா` `` அன்கோவா`` என்பதைத் தேர்ந்தெடுக்கவும் ). சார்பு மாறியை முன்னிலைப்படுத்தவும் ` மகிழ்ச்சி`` | தொடர்ச்சியானது | அதை `` சார்பு மாறி`` உரை பெட்டியில் மாற்றவும். சுயாதீன மாறிகள் `` மன அழுத்தம்`` | பெயரளவு | மற்றும் `` பயணம்`` | பெயரளவு | அவற்றை `` நிலையான காரணிகள்`` உரை பெட்டியில் மாற்றவும். கோவாரியேட் `` வயது`` | தொடர்ச்சியான | அதை `` கோவாரியட்டுகள்` உரை பெட்டியில் மாற்றவும். பின்னர், அடுக்குகள் மற்றும் அட்டவணைகள் விருப்பங்களை கொண்டு வர `` மதிப்பிடப்பட்ட விளிம்பு வழிமுறைகளை`` என்பதைக் சொடுக்கு செய்க.

Fig. 155 `` சார்பு மாறி``, `` நிலையான காரணிகள்`` மற்றும் சாமோவியில் உள்ள அன்கோவாவிற்கு `` கோவாரியட்டுகள்` ஆகியவற்றை ஒதுக்க மாறி பெட்டிகளைக் காட்டும் விருப்பங்கள் குழு

சாமோவி முடிவுகள் குழுவில் (: NUMREF: Fig-Ancova2) பாடங்களுக்கிடையேயான விளைவுகளின் சோதனைகளைக் காட்டும் ANCOVA அட்டவணை தயாரிக்கப்படுகிறது. கோவாரியட்டுக்கான *f *-மதிப்பு *p *= 0.023 இல் குறிப்பிடத்தக்கதாகும், இது அகவை சார்பு மாறியின் முக்கியமான முன்கணிப்பு, மகிழ்ச்சியின் முக்கிய முன்னறிவிப்பாளர் என்று பரிந்துரைக்கிறது. மதிப்பிடப்பட்ட விளிம்பு சராசரி மதிப்பெண்களைப் பார்க்கும்போது (: NUMREF: Fig-Ancova3), இந்த ANCOVA இல் கோவாரியேட்` வயது` சேர்ப்பதன் காரணமாக மாற்றங்கள் செய்யப்பட்டுள்ளன (கோவாரியேட் இல்லாத பகுப்பாய்வோடு ஒப்பிடும்போது). ஒரு சூழ்ச்சி (: NUMREF: Fig-Ancova4) என்பது குறிப்பிடத்தக்க விளைவுகளை காட்சிப்படுத்துவதற்கும் விளக்குவதற்கும் ஒரு சிறந்த வழியாகும்.

Fig. 156 மன அழுத்தம் மற்றும் பயண முறையின் செயல்பாடாக மகிழ்ச்சிக்கான சாமோவி அன்கோவா வெளியீடு, அகவை ஒரு கோவாரியட்டாக

Fig. 157 ANCOVA க்குள் மதிப்பிடப்பட்ட விளிம்பு வழிமுறைகளைக் கொண்ட அட்டவணை: 95 % நம்பிக்கை இடைவெளிகளுடன் மன அழுத்தம் மற்றும் பயண முறையின் செயல்பாடாக (கோவாரியேட் வயதுக்கு சரிசெய்யப்பட்டது) சராசரி மகிழ்ச்சி நிலை காட்டப்பட்டுள்ளது

முக்கிய விளைவுக்கான f *-மதிப்பு `` மன அழுத்தம்`` (52.61) *p *<0.001 இன் தொடர்புடைய நிகழ்தகவைக் கொண்டுள்ளது. முக்கிய விளைவுக்கான *f *-மதிப்பு `` பயணம்`` (42.33) *p *<0.001 இன் தொடர்புடைய நிகழ்தகவைக் கொண்டுள்ளது. இவை இரண்டும் ஒரு புள்ளிவிவர முடிவு குறிப்பிடத்தக்கதா என்பதை தீர்மானிக்க பொதுவாகப் பயன்படுத்தப்படும் நிகழ்தகவைக் காட்டிலும் குறைவாக இருப்பதால் (*ப*<0.05) மன அழுத்தத்தின் குறிப்பிடத்தக்க முக்கிய விளைவு இருப்பதாக நாம் முடிவு செய்யலாம் (*f(1,15) = 52.61,*ப*<0.001) மற்றும் பயண முறையின் குறிப்பிடத்தக்க முக்கிய விளைவு (f(1,15) = 42.33,*ப*<0.001). மன அழுத்தத்திற்கும் பயண முறைக்கும் இடையிலான ஒரு குறிப்பிடத்தக்க தொடர்பு கண்டறியப்பட்டது (f(1,15) = 14.15,*ப*= 0.002).

இல்: NUMREF: Fig-Ancova4 ஒரு அன்கோவாவில் அகவை ஒரு கோவாரியட்டாக இருக்கும்போது சரிசெய்யப்பட்ட, விளிம்பு, சராசரி மகிழ்ச்சி மதிப்பெண்களைக் காணலாம். இந்த பகுப்பாய்வில் ஒரு குறிப்பிடத்தக்க தொடர்பு விளைவு உள்ளது, இதன் மூலம் குறைந்த மன அழுத்தத்தைக் கொண்டவர்கள் வேலை செய்ய சுழற்சி செய்பவர்கள் குறைந்த மன அழுத்தத்தைக் கொண்டவர்களையும், அதிக மன அழுத்தத்தைக் கொண்டவர்களையும் விட அவர்கள் சுழற்சி செய்கிறார்களா அல்லது வேலைக்குச் செல்கிறார்களா என்பதை விட மகிழ்ச்சியாக இருப்பார்கள். மன அழுத்தத்தின் குறிப்பிடத்தக்க முக்கிய விளைவும் உள்ளது - குறைந்த மன அழுத்தத்தைக் கொண்டவர்கள் அதிக மன அழுத்தத்தைக் காட்டிலும் மகிழ்ச்சியாக இருக்கிறார்கள். பயண நடத்தையின் குறிப்பிடத்தக்க முக்கிய விளைவும் உள்ளது - வேலைக்குச் செல்வவர்களை விட சுழற்சி செய்பவர்கள் சராசரியாக மகிழ்ச்சியாக இருக்கிறார்கள்.

Fig. 158 ANCOVA க்குள் மதிப்பிடப்பட்ட விளிம்பு வழிமுறைகளுடன் சதி: மன அழுத்தம் மற்றும் பயண முறையின் செயல்பாடாக சராசரி மகிழ்ச்சி நிலை காட்டப்பட்டுள்ளது

விழிப்புடன் இருக்க வேண்டிய ஒரு சேதி என்னவென்றால், உங்கள் ANOVA இல் ஒரு கோவாரியட்டைச் சேர்க்க நீங்கள் யோசிக்கிறீர்கள் என்றால், கூடுதல் அனுமானம் உள்ளது: கோவாரியேட் மற்றும் சார்பு மாறிக்கு இடையிலான உறவு சுயாதீன மாறியின் அனைத்து மட்டங்களுக்கும் ஒத்ததாக இருக்க வேண்டும். சாமோவி `` மாதிரி`` `` மாதிரி விதிமுறைகள்` விருப்பத்தில் உள்ள கோவாரியேட் மற்றும் ஒவ்வொரு சுயாதீன மாறிக்கும் இடையில் ஒரு தொடர்பு காலத்தைச் சேர்ப்பதன் மூலம் இதைச் சரிபார்க்கலாம். தொடர்பு விளைவு குறிப்பிடத்தக்கதாக இல்லாவிட்டால் அதை அகற்றலாம். இது குறிப்பிடத்தக்கதாக இருந்தால், வேறுபட்ட மற்றும் மேம்பட்ட புள்ளிவிவர நுட்பம் பொருத்தமானதாக இருக்கலாம் (இது இந்த புத்தகத்தின் எல்லைக்கு அப்பாற்பட்டது, எனவே நீங்கள் ஒரு நட்பு புள்ளிவிவர நிபுணரை அணுக விரும்பலாம்).