1 / 34

共變數分析

共變數分析. 賴阿福. ANCOVA. 共變數分析（ Analysis of Covariance, ANCOVA ）即是一種統計控制的方法。它是利用直線迴歸法將其他也會影響依變數的因素，從變異數中剔除：然後根據調整過後的分數，進行變異數分析，因此共變數分析可說是變異數分析與直線迴歸的合併使用。這個其他變數，在共變數分析中，稱為共變數。 共變數分析即是以迴歸的原理，將控制變項以預測變項處理，計算依變項被該預測變項解釋的比率。當依變項的變異量被控制變項可以解釋的部份被計算出來後，剩餘的依變項的變異即排除了控制變項的影響，而完全歸因於自變項效果（實驗處理）。. ANCOVA 原理.

carney
Télécharger la présentation

共變數分析

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 共變數分析 賴阿福

  2. ANCOVA • 共變數分析（Analysis of Covariance, ANCOVA）即是一種統計控制的方法。它是利用直線迴歸法將其他也會影響依變數的因素，從變異數中剔除：然後根據調整過後的分數，進行變異數分析，因此共變數分析可說是變異數分析與直線迴歸的合併使用。這個其他變數，在共變數分析中，稱為共變數。 • 共變數分析即是以迴歸的原理，將控制變項以預測變項處理，計算依變項被該預測變項解釋的比率。當依變項的變異量被控制變項可以解釋的部份被計算出來後，剩餘的依變項的變異即排除了控制變項的影響，而完全歸因於自變項效果（實驗處理）。

  3. ANCOVA原理 • 變異數分析的原理，是將依變項的總變異量，拆解成自變項效果（組間）與誤差效果（組內）兩個部份，再進行F考驗。 • 共變數分析利用迴歸分析，依變項的總變異量先行分割為共變項可解釋部份與不可解釋部份，不可解釋的變異再由變異數分析原理來進行拆解。 • 總離均差平方和=控制項共變積和+迴歸殘差變異量 =控制項共變積和+（組間離均差平方和+組內離均差平方和） • SStotal=SScoviance+(SSbetween+SSwithin) • 由於控制變項通常與自變項之間是相互獨立，沒有關連，因此在概念上，控制變項所解釋的變異，主要係從變異數分析誤差(SSwithin)所分割得來，對於組間離均差平方和的數值影響不大。 • 即使迴歸效果未達顯著水準，仍需將共變項納入變異數分析的計算，因為由控制變項所解釋的變異量即使再小，都可以影響誤差變異量，進而影響變異數分析的結果。

  4. 共變數分析的基本假定 • 須符合變異數分析應有的基本假定（常態性、獨立性、變異數同質性） • 共變數與依變數的之間關係是直線。 • 「組內迴歸係數同質性（homogeneity of within-class regression coefficient）」。 • 即各組本身裡面根據X（共變數）預測Y（依變數）的斜率（bwj）要相等。 • 若違反迴歸係數同質性的假定時，可用詹森－內曼法（Johnson-Newman）來調整。　　

  5. 共變數分析的步驟 • (1) 組內迴歸係數同質性檢定：若經過調整，仍不符合假設，則不宜進行共變數分析，各組應分別討論。 • (2) 共變數分析：看排除共變數的解釋量後，各組平均數之間是否有顯著差異。 • (3) 求調整後平均數。

  6. 共變數計算 • 計算共變數的分子部分，即CPXY部分

  7. F值達到顯著水準，故應再考驗調整後平均數(adjusted means)之間的差異顯著性。此時，求調整後平均數的公式 • bw是組內迴歸線的迴歸係數

  8. 獨立樣本單因子共變數分析 • 某研究者想研究演講法、編序教學法和啟發式教學法對小學數學學習成績的影響。智力因是可能影響學習成績的共變量。問三種教學方法之間有無優劣的差異。one-way-ANCOVA-1.SAV

  9. 求XY的CPt，CPw和CPb： 求X的SSt，SSw和SSb： 求SS't(Y)，SS'w(Y)，SS'b(Y)： 求Y的SSt，SSw和SSb： >F.99(2,14)＝6.51

  10. Method 1: Manova for Ancova manova y by a(1,3) with x /analysis=y /design=x, a, x by a. • 次命令「analysis」指定以Y為依變數，在本例可不必寫。若要重新界定依變數時，才須再使用「analysis」。 • 次命令「design」界定此分析模式的效果項包括x，a，與x*a。

  11. Report after Manova * * * * * A n a l y s i s o f V a r i a n c e -- design 1 * * * * * Tests of Significance for y using UNIQUE sums of squares Source of Variation SS DF MS F Sig of F WITHIN+RESIDUAL 16.32 12 1.36 X 22.43 1 22.43 16.50 .002 A 24.44 2 12.22 8.99 .004 X BY A .73 2 .37 .27 .768 (Model) 282.18 5 56.44 41.50 .000 (Total) 298.50 17 17.56 R-Squared = .945 Adjusted R-Squared = .923

  12. Method 2: GLM (step 1) • procedure • 組內迴歸係數同質性檢定 • 共變數分析 • Analyze> General linear model > Univariate

  13. GLM (step 2) • analyze、GLM、univariate

  14. 組內迴歸係數同質性檢定摘要表 a R Squared = .945 (Adjusted R Squared = .923) 組內迴歸係數同質性檢定之F=.27，P>.05，未達顯著水準，表示三組的斜率可視為相同，符合組內迴歸係數同質的基本假定，故可以放心進行共變數分析。

  15. ANCOVA • analyze、GLM、univariate

  16. 共變數分析的摘要表 *P<.01

  17. A因子事後比較的結果-1 • A因子第一個水準和第二個的比較，其中「Difference (Estimate - Hypothesized)」為二組調節平均數的差，t值則為-4.047（即 Difference÷(Std.Err)值），P<.05，達顯著水準，即接受演講教學和接受編序教學的學生在排除智力因素的影響後，其學習成績有顯著差異。 • A因子第二水準和第三水準的比較，其Difference =12.66-10.68=1.971，t=2.905，P>.05，未達顯著水準，即編序法和啟發法對學生學習成績沒有不同的影響。

  18. A因子事後比較-2 • Contrast改為「Simple」 • 演講法與啟發法對學生的學習成績有不同的影響的效果。 *P<.05

  19. 重複量數單因子共變數分析 • 某實驗心理學家想研究刺激情境的真實性與皮膚電流反應（GSR）的關係。不同刺激情境之間的GSR強度有無差異？（參考林清山，民81，P498）repeated-Ancova-a.sav 共變數X：基本GSR 依變數Y：刺激後的GSR

  20. 組內變異數同質性檢定 分析模式的效果項包括B因子，S變數及X共變數的主要效果項，另有B*X的交互作用效果項。 • 選擇界定模式的形式為使用者自定效果項（即「Custom」）。 • 「Factor & Covariates」清單中會列出在主對話盒界定的所有因子變數和共變數。變數後面括號內的字母：F代表因子變數，C代表共變數。

  21. 「迴歸係數同質性」 • F=3.452,P>.05，未達顯著水準，即B因子三個水準迴歸係數相等，共變數分析的基本假定「迴歸係數同質性」得到支持，可放心進行共變數分析。

  22. simple UNIANOVA y BY s b WITH x /CONTRAST (b)=Repeated /METHOD = SSTYPE(3) /INTERCEPT = INCLUDE /CRITERIA = ALPHA(.05) /DESIGN = s b x . 均以主要效果型式納入分析模式中 印出B因子三個水準的實際平均數和調節平均數 事後比較：想要以變數B三個水準兩兩互相比較，故採「Repeated」事後比較法

  23. Summary of ANCOVA • 共變數分析的結果，其中實驗處理B的F=127.78，P<.05，可見受試在受到「文字」、「聲音」和「實物」三種不同刺激之後，其GSR強度有顯著的不同。

  24. 進行事後比較，其中「Mean Difference」為比較兩組的調節平均數之差。舉例來說：文字與聲音Mean Difference=-1.333，P<.01，達顯著水準。結果顯示聽到蛇這個聲音所引起的GSR強度與只看到文字所引起的GSR有顯著不同。

  25. Method 2: • repeated-Ancova-b.sav MANOVA A1Y, A2Y,A3Y WITH A1X ,A2X,A3X /WSFACOTRS=A(3) /WSDESIGN A.

  26. report 　* * * * * A n a l y s i s o f V a r i a n c e -- design 1 * * * * * Tests involving 'A' Within-Subject Effect. AVERAGED Tests of Significance for MEAS.1 using UNIQUE sums of squares Source of Variation SS DF MS F Sig of F WITHIN+RESIDUAL 2.11 7 .30 REGRESSION .29 1 .29 .96 .360 A 77.07 2 38.54 127.78 .000 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

  27. 獨立樣本二因子共變數分析 • 某研究者想探討記憶方法及性別對記憶成績(Y)的影響。為怕智力影響實驗結果，乃以智力測驗分數為共變數（X）。 • 問(1)男女之間記憶成績有無顯著差異﹖(2)不同記憶方法之間有無顯著差異﹖ （參考林清山，民81，P500） • two-way-ancova-a.SAV

  28. Procedure

  29. Report • 交互作用項F=2.601，P>.05，未達顯著水準。再看「method」主要效果，F=19.94，P<.05達顯著水準，表示三種教學方法之間對記憶成績有顯著差異存在。「sex」主要效果，F=1.899，P>.05，未達顯著水準。

  30. 事後比較 • 「Parameter Estimate」有「Method」變數的事後比較，其中「parameter」欄參數 [Method = 1] 為「method」第一個水準（全部法）與第二個水準（部分法）的比較；「B」是這二個水準調節平均數的差，t=4.814，P<.05，結果表示全部記憶法的記憶成績高於部分記憶法。參數 [method = 2] 為「method」第二個水準（部分法）與第三個水準（混合法）的比較，其t=-1.134，P>.05，未達顯著水準，結果表示這二種方法沒有顯著差異。在此事後比較的顯著性除了看「Sig. t」這一欄外，讀者也可以95%信賴區間（95%CI）為依據。若上下界限均為正值或均為負值（即區間不包含0在內），即達顯著水準。

  31. 事後比較

  32. 共變數分析總結 • 共變數分析的優點 • 減少實誤差變異來源，增加統計考驗力 • 降低非研究操弄之實驗處理差異的偏差。 • 研究者在擇共變數時，應考量三個因素： • 僅與依變項有關，而非實驗處理的變項。 • 如果二個共變項之間的相關在.80以上，則只需挑選其中一個作為共變項即可。 • 受試者較少時，應使用較多個共變項。共變項個數較多時，較易控制干擾變項，實驗處理統計考驗較為正確(Bryman & Cramer，1997) • Bryman, A., & Cramer, D. (1997). Quantitative Data Analysis with SPSS for Windows. London: Routledge.

  33. 共變數分析與多因子變異數分析之比較

  34. 共變數分析作業 • 排除前測成績之後，性別與不同組別在後測成績上是否有顯著的交互作用？

More Related