کتاب

مشاوره

فروشگاه

infocochrana@gmail.com

02191691157  –  09120446824

آموزش تحلیل کوواریانس که بتوانید خودتان انجام دهید

از پیش فرض هاش گرفته تا تفسیر و نحوه نگارش خروجی ها

امتیاز ۴.۸ از ۵ – ۹ رای
spinner در حال ثبت رای

سلام، خیلی خوش اومدی به این آموزش، اگه هدفت از یادگیری تحلیل کوواریانس اینه که تحلیل آماری پایان‌نامه یا مقاله رو انجام بدی، یا میخوای یه کار پژوهشی یا کلاسی انجام بدی جای درستی اومدی ! اینجا کامل بهت این مبحث رو آموزش میدم. لطفا تا آخر این مطلب رو بخون ! اگر جاییش سؤال داشتی حتما ازم بپرس !

خب بریم سراغش !

تحلیل کوواریانس به انگلیسی میشه این عبارت :

Analysis of covariance

که در اختصار بهش ANCOVA میگیم !

حالا چه زمانی به تحلیل کوواریانس نیاز داریم ؟ کی باید تحلیل کوواریانس انجام بدیم ؟ بیاید تا بهتون توضیح بدم !

اصلا چرا تحلیل کوواریانس انجام میدیم ؟

هدف از انجام تحلیل کوواریانس (ANCOVA) در مطالعات کار آزمایی بالینی مقایسه دو گروه کیس و کنترل بعد از مداخله (پس آزمون) با یکدیگر است. در صورتی که اندازه های قبلی (پیش‌آزمون) کنترل شده باشد. در نهایت تحلیل کوواریانس به این سؤال پاسخ می دهد که آیا مداخله مؤثر و معنی دار بوده است یا خیر ؟

در واقع یکی از راه‌های کنترل اثرات نمره پیش‌آزمون به عنوان اثر انتقال، استفاده از آزمون آنالیز کوواریانس (ANCOVA) است. به طوری که شرایطی برای مطالعه فراهم می شود تا اثرات درمان را جدا از اثر بالقوه نمره پیش آزمون بررسی کند.

خب سخت بود ؟! راحتشو بیاید با مثال بگم !

فرض کنید شما میخواهید تاثیر آموزش زبان با استفاده از یه روش خیلی خفن (مثلا متود تدریس 2022) روی بیست تا دانش آموز دبیرستانی بررسی کنید. خب اول بایستی دو گروه 10 نفره درست کنید. به گروه اول این آموزش خیلی خفن رو بدید و به گروه دوم هم همون آموزش معمولی رو بدید. بعد از آموزش بایستی بیاید از این دو گروه امتحان زبان بگیرید ببینید نمره کدوم گروه بیشتر میشه ؟ آیا نمره گروهی که آموزش خفن دریافت کردند بیشتر بشه نشون میده که آموزش خفنه خیلی خوب و اوکیه ؟!

اگر ساده بخوایم فکر کنیم جواب بله است.

اما در حقیقت اینطور نیست. چون ما اینجا نمره امتحان زبان رو قبل از آموزش برای این دو گروه نداریم. اصلا از کجا معلوم که دو تا گروهی که تشکیل دادیم از نظر سطح زبان یکی باشند ؟ از کجا معلوم که گروهی که نمره زبانشون بعد از آموزش بیشتر شده، همون قبل از آموزش بیشتر نبوده ؟ همه این سوالات باعث میشه بریم سراغ تحلیل کوواریانس ! تا بتونیم اثر متغیر پیش آزمون رو کنترل کنیم !

دقیقا همین جاست که تفاوت تحلیل کوواریانس و تحلیل واریانس مطرح میشه. بریم یه مقدار در موردش بخونیم. از طریق لینک زیر هم میتونید به آموزش کامل تحلیل واریانس به طور رایگان دسترسی پیدا کنید.

آموزش پیشنهادی :

آموزش تحلیل واریانس با مثال و به زبان ساده 

از بررسی پیش فرض ها و آموزش با مثال تا تفسیر خروجی

تفاوت تحلیل کوواریانس و تحلیل واریانس

آنکووا گسترش داده شده آنالیز واریانس است که پیش فرض های آن را نیز دارد. تفاوت آشکار بین ANOVA و ANCOVA حرف “C” است که مخفف “کواریانس” است. مانند ANOVA، “تجزیه و تحلیل کوواریانس” (ANCOVA) یک متغیر پاسخ پیوسته دارد. تحلیل کوواریانس (ANCOVA) مانند تحلیل واریانس برای تشخیص تفاوت در میانگین چند گروه متغیر مستقل، در حالی که کار کنترل متغیرهای کووریت (Covariate Variables) را انجام می دهد، استفاده می شود.

متغیر کووریت معمولاً جزئی از سؤال اصلی تحقیق نیست اما می تواند متغیر وابسته را تحت تأثیر قرار دهد و بنابراین باید کنترل شود. درحالی که آنالیز واریانس به دنبال اختلاف در بین میانگین ها است. تحلیل کوواریانس به دنبال اختلاف میانگین های تعدیل شده (به وسیله متغیر کووریت که به آن متغیر مخدوش کننده نیز می گویند) می باشد.

به طور خلاصه اگه بخوام بگم میشه 👇 :

متغیر کووریت؛ ایجاد کننده تفاوت بین تحلیل واریانس و تحلیل کوواریانس

آموزش پیشنهادی

تحلیل کوواریانس چندمتغیره

از بررسی پیش فرض ها و آموزش با مثال تا تفسیر خروجی تحلیل

Mancova

پیشفرض های تحلیل کوواریانس (ANCOVA)

قبل از معرفی پیش فرض های تحلیل کوواریانس، از این که یک یا چند پیش فرض معرفی شده در هنگام آنالیز دیتا با نرم‌افزار SPSS رعایت نشود تعجب نکنید ! همیشه داده استخراج شده از دنیای واقعی مانند مثال های موجود در متن کتاب ها همه چیز را مطلوب نشان نمی دهد. همچنین از این که چند پیش فرض اصلی هم رد شود نگران نشوید ! همیشه یک راه حلی باید وجود داشته باشد.

پیش فرض اول : پیوسته بودن متغیر وابسته و کووریت

متغیر وابسته و متغیر کووریت بایستی پیوسته باشد. برای مثال متغیر زمان (که با واحد ساعت اندازه گیری می شود)، نمرات IQ (امتیاز IQ) نمرات امتحان (0 تا 20) و وزن (به کیلوگرم) پیوسته و کمی می باشد. البته متغیرهای کووریت (متغیرهای مخدوش کننده) می تواند رسته ای نیز باشد (مانند جنسیت). که در این حالت آزمون ANCOVA ترجیح داده نمی شود.

پیش فرض دوم : رسته ای بودن متغیر مستقل

متغیر مستقل بایستی شامل دو یا چند سطح باشد برای مثال جنسیت که دارای دو سطح زن و مرد است. همچنین متغیر گروه تحقیق که شامل (گروه کیس و گروه کنترل) است. فعالیت فیزیکی (کم، متوسط، زیاد) نیز مثال دیگری از این قبیل می باشد.

پیش فرض سوم : استقلال مشاهدات

هیچ ارتباطی بین مشاهدات در هر گروه و یا بین گروه ها وجود نداشته باشد. همچنین هیچ یک از شرکت کننده ها (اعضای نمونه) در بیش از یک گروه نباشد. البته این موضوع بیشتر به طراحی مطالعه مربوط می شود. اگر این پیش فرض رعایت نشود نیاز به یک آزمون آماری دیگری به جای آزمون ANCOVA می باشد.

پیش فرض چهارم : عدم وجود داده پرت

در بین داده های پژوهش نباید داده پرت قابل توجهی وجود داشته باشد. چرا که وجود داده پرت ممکن است بر نتایج بدست آمده از تحلیل کوواریانس تاثیر منفی بگذارد و از اعتبار نتایج آن کاهش دهد.

پیش فرض پنجم : نرمال بودن باقی مانده ها

برای هر سطح از متغیر مستقل، باقی مانده بدست آمده تقریبا بایستی دارای توزیع نرمال باشد. به این دلیل از واژه تقریبا استفاده کردیم چون می‌دانیم این پیش فرض در اکثر اوقات اتفاق نمی افتد در حالی که نتایج بدست آمده از تحلیل کوواریانس معتبر باقی می ماند.

پیش فرض ششم : همگنی واریانس ها

این پیش فرض به کمک انجام آزمون لون (Levene’s test) در نرم‌افزار SPSS قابل بررسی است.

پیش فرض هفتم : ارتباط خطی کووریت با متغیر وابسته

در هر سطح از متغیر مستقل، متغیر کووریت رابطه خطی با متغیر وابسته دارد. این پیش فرض به کمک نرم‌افزار SPSS از طریق رسم Scatter plot گروه بندی شده از متغیر کووریت، پیش آزمون متغیر وابسته و متغیر مستقل بررسی می شود.

پیش فرض هشتم : همسانی واریانس

این پیش فرض به کمک نرم‌افزار SPSS از طریق رسم Scatter plot ار باقی مانده های رگرسیون در مقابل مقادیر پیش بینی شده بررسی می شود.

پیش فرض نهم : همگنی شیب رگرسیون

همگنی شیب رگرسیون بدین معنی است که شیب رگرسیونی خطوط مختلف در بین گروه ها باید برابر باشد. به عبارت دیگر تعامل نمرات کووریت و متغیر مستقل در بین گروه ها نباید اختلاف معنی داری داشته باشد. به عبارتی دیگر، نیاز هست که شیب های خطوط رگرسیونی برای کووریت ها (در ارتباط با متغیر وابسته) در بین گروه ها (کیس و کنترل) یکسان باشد که به این پیش فرض همگنی شیب رگرسیون گفته می شود که می تواند با یک آزمون F بر روی تعامل متغیرهای مستقل با کووریت ها ارزیابی شود. اگر آزمون F معنادار بود، بدین معنی است که این پیش فرض نقض شده است. مطالعه بیشتر

ارائه مثال انجام تحلیل کوواریانس در SPSS

در یک مطالعه ای فرضی، پرسشنامه کیفیت زندگی در اختیار 60 نفر از مبتلایان به صرع شرکت کننده در پژوهش قرار داده شد تا آن را تکمیل نمایند. این 60 نفر به صورت تصادفی به دو گروه 30 (کنترل) و 30 (کیس) تقسیم بندی شدند. بیماران گروه کیس (Case) تحت مداخله (پیگیری تلفنی به صورت برقراری 10 تماس 15 دقیقه ای) در طی دو ماه قرار گرفتند.

همچنین، در بیماران گروه کنترل (Control) هیچ گونه مداخله ای انجام نشده و آموزش های روتین را دریافت کردند. پس از دو ماه و حین مراجعه به درمانگاه، کیفیت زندگی در دو گروه کیس و کنترل مجددا مورد بررسی قرار گرفت.

نحوه ورود داده برای انجام تحلیل کوواریانس در SPSS

برای سادگی نمایش داده های وارد شده، فقط نمرات کل کیفیت زندگی را قبل و بعد از مداخله مانند شکل زیر در نرم‌افزار SPSS وارد کرده‌ایم. توجه داشته باشید که نمرات گروه کیس و کنترل در پیش آزمون و پس آزمون بایستی در یک ستون و زیر هم وارد نرم‌افزار شود و با ایجاد متغیر دو سطحی گروه تحقیق از لحاظ گروه مطالعه قابل تشخیص باشد.

ورود داده برای تحلیل کوواریانس

نحوه ورود دیتا برای ANCOVA

حال دیتا برای انجام آزمون تحلیل کوواریانس آماده شده است. از طریق مسیر زیر در نرم‌افزار SPSS آزمون ANCOVA را انجام می دهیم.

Analyze / General Linear Model / Univariate

مسیر انجام تحلیل کوواریانس

پس از انجام مسیر فوق پنجره زیر جهت تنظیمات تحلیل کوواریانس قابل مشاهده است.

معرفی متغیرها در تحلیل کوواریانس

همانند شکل فوق، متغیر کیفیت زندگی پس از مداخله (پس آزمون) را به عنوان متغیر وابسته در کادر Dependent Variable، متغیر کیفیت زندگی قبل از مداخله (پیش آزمون) را به عنوان متغیر کووریت (مخدوش کننده) در کادر Covariate(s) و متغیر گروه را در کادر Fixed Factor(s) به عنوان متغیر مستقل وارد می کنیم. ابتدا برای بررسی پیش فرض همگنی شیب رگرسیونی از طریق دکمه [highlight color=”blue”]Moldel[/highlight] پنجره زیر را باز می کنیم.

بررسی همگنی شیب رگرسیون در تحلیل کوواریانس

مانند شکل فوق ابتدا در کادر Specify Model گزینه Build terms را فعال می‌کنیم. سپس در کادر Model متغیرهای (گروه تحقیق، پیش آزمون و متغیر ضربی پیش آزمون کیفیت زندگی * گروه تحقیق را وارد می کنیم. با کلیک بر روی دکمه Continue مجدد وارد پنجره قبلی می شویم. حال با کلیک بر روی دکمه OK خروجی نرم‌افزار به صورت زیر مشاهده می شود.

خروجی همگنی شیب رگرسیون تحلیل کوواریانس

با توجه به جدول فوق ملاحظه می شود سطح معنی داری متغیر گروه تحقیق*پیش آزمون کیفیت زندگی برابر 0.605 و بیشتر از 0.05 می باشد. این امر نشان دهنده این است که پیش فرض همگنی شیب رگرسیون رعایت می شود. حال برای بررسی پیش فرض همگنی واریانس ها از طریق دکمه Moldel پنجره زیر را باز کرده و مانند شکل زیر تنظیمات لازمه را انجام می دهیم.

تنظیمات تحلیل کوواریانس

مانند شکل فوق ابتدا در کادر Specify Model گزینه Full factorial را فعال می‌کنیم. با کلیک بر روی دکمه Continue مجدد وارد پنجره قبلی می شویم.

معرفی متغیرها در تحلیل کوواریانس

در این پنجره از طریق گزینه Options پنجره زیر باز می شود.

انجام تحلیل کوواریانس با SPSS

پس از انجام تنظیمات فوق با کلیک بر روی دکمه Continue مجدد وارد پنجره قبلی می شویم. حال با کلیک بر روی دکمه OK خروجی نرم‌افزار به صورت زیر مشاهده می شود.

خروجی آزمون لون تحلیل کوواریانس

با توجه به سطح معنی ­داری شکل فوق (0.093) فرضیه صفر مبنی بر همگونی واریانس ­ها در دو گروه شاهد و آزمایش در سطح 5 درصد رد نمی­ گردد. در نتیجه فرضیه برابری واریانس ­ها تایید می ­شود.

جدول تحلیل کوواریانس ANCOVA

در جدول فوق ملاحظه می­ شود، در پس آزمون نمرات کیفیت زندگی کل آزمایش (گروهی که پیگیری تلفنی دریافت کردند) با نمرات کیفیت زندگی در گروه گواه تفاوت معنی داری وجود دارد (سطح معنی داری کمتر از 0.05). در نتیجه می­ توان دریافت که بیمارانی که مداخله دریافت می­ کنند، نسبت به دیگر افراد، کیفیت زندگی کل بیشتری دارند. به طور کلی مشاهدات بیان می­ کند که پیگیری تلفنی بر بهبود کیفیت زندگی افراد با اندازه اثر (0.917) تاثیر گذار است.

انجام کار آماری تحلیل کوواریانس

تحلیل آماری پایان‌نامه باید از لحاظ هزینه منطقی باشد. هزینه بالا الزاما نشان دهنده کیفیت بالای کار نیست. کما اینکه دیده شده موسساتی که به صورت واسطه ای کار تحلیل آماری انجام می دهند حتی از خود محققانشان که کار دانشجو را انجام می دهد هزینه بیشتری دریافت می کنند. یعنی درصد بالایی از هزینه ای که دانشجو پرداخت می کند صرفا جهت پرداخت هزینه واسطه است.

از طرفی هزینه خیلی پایین هم احتمال کار ضعیف را قوی تر می نماید. به طور معمول هزینه نوشتن فصل چهارم پایان‌نامه کارشناسی ارشد با نرم‌افزار SPSS تحت روش تحلیل کوواریانس برای انواع رشته ها همراه با آموزش قبل از جلسه دفاع در موسسه آماری کوکرانا بین 1 میلیون تا 3 میلیون هزار تومان می‌باشد.

با توجه به این که کوکرانا صرفا یک موسسه تخصصی تحلیل آماری است و نه شرکتی برای ترجمه و کارهایی از این قبیل، تحلیل آماری دانشجو را بدون واسطه و با قیمت منطقی و به صورت مرحله ای انجام می دهد. روال کار موسسه آماری کوکرانا به این صورت است که پس از برقراری تماس در اولین گام، به صورت رایگان درخواست شما بررسی خواهد شد و هزینه و مدت زمان انجام کار به شما اعلام خواهد شد.

در گام بعدی و در صورت موافقت شما با قیمت و زمان، با دریافت بخش کوچکی از مبلغ توافق شده، کار شروع شده و پس از اتمام کار مابقی هزینه از دانشجو دریافت می‌گردد. پس از دریافت فایل توسط دانشجو در مرحله اول تمامی جداول، نمودارها و نتایج برای دانشجو در داخل فیلم آموزشی با توضیحات متخصص آماری شرح داده می شود.

در مرحله بعد بنا به درخواست دانشجو مشاوره تلفنی و تلگرامی و جلسه توجیهی حضوری بدون هیچگونه هزینه اضافی انجام می شود. لازم به ذکر است که تیم آماری کوکرانا موظف است تمامی اصلاحاتی که را که حتی بعد از دفاع دانشجو از طرف اساتید داده می شود را بررسی و انجام دهد.

تحلیل کوواریانس با تحلیل واریانس چه فرقی داره ؟2022-06-29T10:45:06+04:30

تحلیل واریانس در واقع برای مقایسه میانگین ویژگی دو یا چند گروه استفاده می شود. در حالی که تحلیل کوواریانس برای مقایسه میانگین دو یا چند گروه با در نظر گرفتن متغیرهای دیگر (کووریت ها) استفاده می شود.

تحلیل کوواریانس کجا استفاده میشه ؟2022-06-29T10:44:20+04:30

تحلیل کوواریانس برای بررسی تاثیر متغیرهای دسته بندی شده (کیفی) بر روی یک متغیر وابسته پیوسته (با کنترل اثر متغیرهای دیگر که با متغیر وابسته در ارتباط می باشد) استفاده می شود. متغیرهای کنترلی “Covariate” نامیده می شوند.

تحلیل کوواریانس چیست ؟2022-06-29T10:43:35+04:30

تحلیل کوواریانس یا به اختصار ANCOVA مخفف Analysis of covariance است که مدل ANOVA (تحلیل واریانس) و رگرسیون را با هم ترکیب می کند.

 

 

2023-06-15T12:41:54+03:30

3 دیدگاه

  1. نفس 8 بهمن 1402 در 11:10 قبل از ظهر - پاسخ

    سلام و وقت بخیر
    بسیار مفید و سودمند بود.
    خیییییییییییییییییلی لطف کردین.

  2. سوده 8 مرداد 1402 در 12:20 قبل از ظهر - پاسخ

    با سلام
    چرا توی پی دی اف آموزشی در مورد کوواریانس چند متغیره ، دکمه مدل رو توضیح ندادین؟ ینی لازم نبود؟!!!

    • مسعود علی مردی 3 مهر 1402 در 9:56 قبل از ظهر - پاسخ

      سلام وقت بخیر عرض ادب بزودی آموزش مربوط به تحلیل کوواریانس چند متغیره تکمیل شده و به صورت رایگان در اختیار کسانی که آموزش را تهیه کرده اند قرار می گیرد.

دیدگاه خود را بنویسید

عنوان