Anda di halaman 1dari 4

1.

0 ANCOVA
Ancova adalah model linier dengan satu pemboleh ubah bergantung berterusan dan
satu atau lebih pemboleh ubah bebas. ANCOVA adalah penyatuan ANOVA dan regresi
linier yang biasanya menggunakan pembolehubah kuantitatif. ANCOVA dilakukan
dengan menambah berubah-ubah penguat (covariate) ke dalam model sehingga
memperkuat Ketepatan / ketepatan analisis dan meningkatkan kepentingan secara
statistik. Secara khusus, uji ANCOVA menggunakan andaian layaknya uji ANOVA,
dimana error masing-masing pembolehubah penjelas yang disalurkan secara normal
dan bersifat homoskedastik, artinya tidak mengandungi masalah heteroskedastisitas di
mana nilai residual mempunyai kepelbagaian yang berterusan, dan data sekurang-
kurangnya mempunyai standard error yang kecil. Ujian ANCOVA juga memerlukan
hubungan linear antara pembolehubah bergantung dan bebas.

1.1 PENGUMPULAN ANCOVA


ANCOVA mempunyai andaian yang sama seperti ANOVA kecuali, ada dua perkara
penting pertimbangan tambahan iaitu: (1) kebebasan covariate dan pengerjaan kesan,
dan (2) homogenitas regresi.

1.2 INDEPENDENCE COVARIATE


Saya berkata di bahagian sebelumnya bahawa salah satu penggunaan ANCOVA
adalah untuk mengurangkan kesilapan dalam varians kumpulan dengan membenarkan
kovariate menjelaskan beberapa varians ralat ini. Walau bagaimanapun, untuk ini
benar, kovariat mesti bebas dari kesan eksperimen.

Rajah 11.2 menunjukkan tiga senario yang berbeza. Bahagian A menunjukkan ANOVA
asas dan sama dengan Rajah 10.3. ini menunjukkan bahawa kesan eksperimen (dalam
contoh kita libido) boleh dibahagikan kepada dua bahagian yang mewakili kesan
percubaan atau eksperimen. Bahagian B menunjukkan senario yang ideal untuk
ANCOVA covariate yang membahagikan varians dengan sedikit libido yang pada masa
ini tidak dapat dijelaskan. Senario ini adalah satu-satunya di mana ANCOVA adalah
betul. Bahagian c menunjukkan keadaan di mana orang sering menggunakan ancova
pada masa yang salah. Dalam keadaan ini, kesan kovariat bertindih dengan kesan
eksperimen. Dalam erti kata lain, kesan eksperimen adalah keliru dengan kesan
kovariat. Dalam keadaan ini, kovariat akan mengurangkan kesan percubaan kerana ia
menjelaskan beberapa varians yang mungkin berkaitan dengan eksperimen.

Masalah kovariasi dan perkongsian varians eksperimen Umum, diabaikan atau


disalahpahami oleh ramai orang. Untuk meringkaskan masalah utama, apabila
kumpulan-kumpulan percubaan yang berbeza pada covariate kemudian meletakkan
covariate ke dalam analisis hal ini tidak akan mengawal atau keluar keseimbangan di
perbezaan itu. Keadaan ini timbul terutamanya apabila para peserta tidak diberikan
secara rawak ke eksperimen. Misalnya, kegelisahan dan kemurungan sangat berkaitan,
jadi jika anda ingin membandingkan sekumpulan orang terhadap kumpulan non-cemas
pada beberapa yang cemas, kemungkinan adalah bahawa kumpulan cemas juga akan
lebih tertekan daripada kumpulan non-cemas. Anda mungkin berfikir bahawa dengan
menambah kemurungan sebagai covariate ke dalam analisis anda dapat melihat kesan
murni dari kecemasan tetapi anda tidak akan boleh. Ini akan menjadi situasi di
bahagian C figur 11.2, Kesan covariate (kemurungan) akan mengandungi beberapa
varian dari kesan kecemasan.

1.3 REGRESI HOMOGENITY


Ketika sebuah ancova dilakukan, kita lihat ke semua hubungan antara outcome dan
covariate. Kami memuatkan garis regresi untuk semua set data, mengabaikan
kumpulan yang dimiliki oleh seseorang. Untuk menyesuaikan seluruh model, kami
menganggap bahawa hubungan keseluruhan ini berlaku untuk semua kumpulan
peserta. Sebagai contoh, jika ada hubungan yang positif antara covariate dan hasil
dalam satu kumpulan, kita mengandaikan bahawa ada hubungan yang positif dalam
semua kumpulan lain juga. Anggapan ini sangat penting dan dipanggil Regresi
Homogeneity.
1.4 INPUT DATA
Data untuk contoh ini adalah dalam jadual 11.1 dan boleh didapati dalam data
ViagraCovariate.

Jadual ini menunjukkan libido peserta dan libido rakan kongsi mereka
Jadual 11.2 Menunjukkan sisihan min dan piawai