协方差分析(analysis of covariance,ANCOVA)是将线性回归分析与方差分析结合起来的一种统计分析方法。它用于比较一个因变量在一个或几个因素不同水平上的差异,但因变量在受这些因素影响的同时,还受到另一个协变量的影响,而且协变量的取值人为难以控制,不能作为方差分析中的一个因素处理。例如,当研究学习时间对学习成绩的影响时,学生自身的学习能力就是一个协变量。如果协变量与因变量之间可以建立回归关系,则可用协方差分析的方法排除协变量对因变量的影响,然后再用方差分析的方法对各因素水平的差异进行统计推断。
协方差分析有两个重要的应用条件:一是因变量服从正态分布,各因变量相互独立,各样本的总体方差齐性;二是各总体客观存在因变量对协变量的线性回归关系且斜率相同,即要求各样本回归系数本身有统计学意义,而各样本回归系数间的差别无统计学意义。因此进行协方差分析时,必须先对样本资料进行方差齐性检验和回归系数的假设检验,满足这两个条件后才可作协方差分析。
协方差分析(Rutherford,2000)的基本思想就是将那些定量变量X(指没有加以或难以控制的因素对Y造成影响)看作协变量,建立因变量Y随协变量X变化的线性回归关系的差别,其实质是从因变量Y的总离均差平方和中扣除协变量X对因变量Y的回归平方和,对残差平方和作进一步分解后再进行方差分析,以更好地评价处理因素的效应。(www.xing528.com)
本章用一个最简单的情况:一个协变量,单因素协方差分析为例,对协方差分析的基本原理加以说明(王松桂,1999)。
其中,μy表示Yij的总体平均数,αi表示第i个水平的影响效应,β是Y对X的回归系数,是Xij的总体平均数,εij是随机误差。按照方差分析的不同实验设计类型,相对应也有不同的协方差分析,如有完全随机设计、随机区组设计、拉丁方设计和析因设计等类型的协方差分析,而且协变量可以有一个、两个或多个,分析方法略有不同,但其解决问题的基本思想相同。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。