H8 ANCOVA 1/2 Flashcards
Beslissingsboom welke methode
Twee groepen –> t-toets
>twee groepen (1factor) –> one-way ANOVA
- contrasten om te onderzoeken welke groepen verschillen
>twee groepen (2+factoren) –> two-way ANOVA
- hoofdeffecten en simple effects (wanneer er een interactie-effect is)
–> slide 3 HC8
ANCOVA
Analysis of COVAriance
–> mix van one en two-way ANOVA
Zijn er verschillen in de populatiegemiddelden van elkaar, gecontroleerd voor covariaat X
–> dus het zelfde als one-way maar dan gecontroleerd voor covariaat
- convariaat vormt dat de extra variabele waardoor het lijkt op een two-way in de analyse
Idee van ANCOVA
- geïnteresseerd in het effect van een factor, maar gecontroleerd voor een covariaat (–> elimineert bias)
Covariaat: continue variabele die een relatie heeft met de afhankelijke variabele en niet gecontroleerd kan worden in een experiment
Covariaat
Continue variabele die een relatie heeft met de afhankelijke variabele en niet gecontroleerd kan worden in een experiment
Mogelijke consequenties van covariaat toevoegen
- elimineren van bias
- verminderen van error variantie (MSw)
–> heeft invloed op de power (hoger)
Experiment
- willekeurige verdeling over condities, dus verschillen tussen groepen op de covariaat zijn waarschijlijk klein –> bijna geen eliminatie van bias
–> vermindering van error variantie zal voorkomen
Quasi-experiment
- geen willekeurige verdeling over condities en gebruik van bestaande groepen –> bias kan groot zijn
–> vermindering van error variantie zal voorkomen
Adjusted mean
Hoeveel is het voorspelde gemiddelde als de covariaat bij beide groepen gelijk was geweest
Hypothese toets ANCOVA
Ho: mu’k = mu voor elke k (‘ = adjusted)
p-waarde < alfa
–> via SPSS (via two-way ANOVA tabel)
Uitleg bias elimineren
Yi2 = muY + alfa2 + errori2
- muY: overkoepelend gemiddelde van twee groepen
- alfa2: verschil tussen overkoepelend gemiddelde en groepgemiddelde
- errori2: verschil tussen groepgemiddelde en individuele score
Herhaling ANCOVA
Effect van een factor gecontroleerd voor het effect van covariaat X
–> bias elimineren door te controleren voor de covariaat X in de ANCOVA
ANCOVA model
Yi2 = muY + alfa’2 + betaw(Xi2 - muX) + errori2
- alfa’2: verschil tussen overkoepelend gemiddelde en aangepast gemiddelde
- zie slide 27 HC8
Verminderen van error variantie
Of dit gebeurt hangt af van de relatie tussen de covariaat X en Y (–> ook bij regressieanalyse)
- vermindering is het grootst wanneer de correlatie erg groot of klein is (1 of -1)
- verhoogt de Power
Interpretatie quasi-experimenten
- er zit een gevaar in de interpretatie van statistische analyses van bestaande groepen
–> interne validiteit kan laag zijn - er kunnen ook andere confounding variabelen zijn en bias vormen
–> houdt dus rekening met de interne validiteit!!