설계된 실험에서 ANOVA와 ANCOVA를 선택하는 방법은 무엇입니까?

다음과 같은 실험을 진행 중입니다.

DV : 슬라이스 소비 (연속적이거나 범주적일 수 있음)
IV : 건강한 메시지, 건강하지 않은 메시지, 메시지 없음 (통제) (사람들이 무작위로 배정 된 3 개의 그룹-범주 형) 이것은 슬라이스의 건강에 관한 조작 된 메시지입니다.

다음 IV는 개별 차이 변수로 간주 될 수 있습니다.

충동 성 (이는 범주 형, 즉 높음 대 낮음 또는 연속적 일 수 있으며 스케일로 측정 됨)
단 맛 선호도 (각 질문에 대해 선택할 수있는 3 가지 옵션 인 설문지에 의해 측정 됨)
BMI-참가자는 그에 따라 측정됩니다 (이는 범주 형 또는 연속 형으로 간주 될 수도 있음).

그룹이 3 개의 그룹 중 하나에 무작위로 할당되므로 필자는 일종의 분산 분석을 수행한다고 가정하고 IV가 DV에 가장 큰 영향을 미치는 IV에 관심이 있기 때문에 요인 분산 분석을 사용할 가능성이 있지만 연구 결과에 따르면 IV 간의 상호 작용 일부 조합 사이에는 관계가 있습니다.

그러나 나는 IV의 모든 범주 또는 연속 또는 혼합을 갖는 것이 최선인지 여부를 알아야하기 때문에 이것을 완전히 확신하지 못합니다.

또는 ANCOVA는 가능성 또는 회귀이지만 그룹에 배정 된 후 설문에 대한 답변에 따라 분류되는지 확실하지 않습니다.

이것이 의미가 있기를 바랍니다. 내 질문에 대해 누군가의 의견을 기다리겠습니다.

— 모보
소스

안녕하세요 Melory, 그것은 흥미로운 실험처럼 들립니다. 귀하 IV의 경우, 각각이 DV지속적인 규모 와 어떻게 관련되어 있는지 알고 싶습니까, 아니면 IV과체중 사람들이 일반 체중 사람들보다 더 많은 슬라이스를 먹는다 는 등 그룹 의 영향에 더 관심이 BMI있습니까?

— Michelle

안녕 미셸, 귀하의 의견에 감사드립니다. 솔직히 말해서 나는 아직 개발 단계에 있으며 모든 곳에서 가고 있습니다! 그러나 나는 잠정적 인 목표를 가지고있다 : 현재 연구의 주요 목표는 음식의 건강에 대한 음식 관련 신념이 실제 음식 섭취에 미치는 영향을 조사하는 것이다. 또한, 이차 목표는 감각 추구, 단 맛 선호도 및 BMI가 음식 섭취에 대한 음식 관련 신념의 영향을 완화시킬 수있는 정도를 발견하는 것입니다. '

— mobo

다시 미셸-그냥 이전 의견에 추가. 그러나 연구 결과가 관계를 나타내는 것처럼 일부 IV와의 상호 작용에 관심이 있다고 말했습니다. 그것이 내가있는 곳에 도움이됩니까? 당신의 생각을 듣고 싶습니다. 감사.

— mobo

Hi Melory, I wouldn't add in BMI as a continuous measure, and would use the underweight/normal/overweight/obese categories as that is your research question, not whether slice amount increases with increasing BMI score. I would try the other IVs as continuous. Are you going to publish as I would be professionally interested in your write-up?

— Michelle

Hi Michelle, thanks for this. I would be looking to publish. Is this an area of interest for you? So are you saying it would be appropriate to do a factorial ANOVA, I think I may have too many variables possibly to be trying to work with.

— mobo

역사의 사실로 회귀와 분산 분석은 별도로 개발되었으며, 전통에 따라 부분적으로 여전히 개별적으로 학습됩니다. 또한 사람들은 종종 ANOVA를 설계 실험 (예 : 가변 / 임의 할당의 조작) 및 관측 연구에 적합한 회귀 (예 : 정부 웹 사이트에서 데이터 다운로드 및 관계 찾기)에 적합하다고 생각합니다. 그러나이 모든 것이 약간 잘못된 것입니다. 분산 분석 은 모든 공변량이 범주 형인 회귀 분석 입니다 . ANCOVA 는질적이며 연속적인 공변량을 갖는 회귀이지만, 요인과 연속 설명 변수 사이의 상호 작용 항이없는 회귀 (즉, '병렬 기울기 가정'). 연구가 실험적이든 관찰 적이든, 이것은 분석 자체와 관련이 없습니다.

실험이 잘 들립니다. 나는 이것을 회귀로 분석 할 것입니다 (제 생각에는 모든 것을 회귀라고 부르는 경향이 있습니다). 당신이 그들에 관심이 있다면 그리고 / 또는 당신이 작업하고있는 이론들이 그것들이 중요 할 수 있다고 제안한다면 모든 공변량을 포함시킬 것입니다. 일부 변수의 효과가 다른 변수에 따라 달라질 수 있다고 생각되면 필요한 모든 교호 작용 항을 추가하십시오. 명심해야 할 것은 각각의 설명 변수 (상호 작용 항 포함)가 자유도를 소비하므로 표본 크기가 적절한 지 확인하십시오. 나는 것 하지 dichotomize, 또는 그렇지 않으면 연속 변수의 (할 일이 나쁜 일이 정말, 이러한 행위가 널리 퍼져 있다는 불행한 일이다), 범주합니다. 그렇지 않으면, 당신이 가고있는 것처럼 들립니다.

업데이트 : 연속 변수를 두 개 이상의 범주가있는 변수로 변환할지 여부에 대한 우려가있는 것 같습니다. 주석이 아닌 여기에서 다루겠습니다. 모든 변수를 연속적으로 유지 합니다 . 연속 변수를 분류하지 않는 몇 가지 이유가 있습니다.

분류하면 정보를 버릴 수 있습니다. 일부 관측치는 구분선에서 더 멀고 다른 관측치는 더 가깝지만, 마치 동일한 것으로 취급됩니다. 과학에서 우리의 목표는 점점 더 많은 정보를 수집하고 해당 정보를 더 잘 구성하고 통합하는 것입니다. 정보를 버리는 것은 단순히 내 의견으로는 좋은 과학에 반대되는 것입니다.
@Florian이 지적한대로 통계적 힘을 잃는 경향이 있습니다 (링크 감사합니다).
You lose the ability to detect non-linear relationships as @rolando2 points out;
What if someone reads your work & wonders what would happen if we drew the line b/t categories in a different place? (For example, consider your BMI example, what if someone else 10 years from now, based on what's happening in the literature at that time, wants to also know about people who are underweight and those who are morbidly obese?) They would simply be out of luck, but if you keep everything in its original form, each reader can assess their own preferred categorization scheme;
There are rarely 'bright lines' in nature, and so by categorizing you fail to reflect the situation under study as it really is. If you are concerned that there may be an actual bright line at some point for a-priori theoretical reasons, you could fit a spline to assess this. Imagine a variable, $X$ , that runs from 0 to 1, and you think the relationship between this variable and a response variable suddenly and fundamentally changes at .7, then you create a new variable (called a spline) like this: $\begin{aligned} X_{s p l i n e} & = 0 & if X \leq .7 \\ X_{s p l i n e} & = X - .7 & if X > .7 \end{aligned}$ $\begin{aligned} X_{spline} &= 0 &\text{if } X\le{.7} \\ X_{spline} &= X-.7 &\text{if } X>.7 \end{aligned}$ then add this new $X_{spline}$ variable to your model in addition to your original $X$ variable. The model output will show a sharp break at .7, and you can assess whether this enhances our understanding of the data.

1 & 5 being the most important, in my opinion.

— gung - Reinstate Monica
소스

Hi gung. Thanks so much for your comments. So you would use regression and not have any of the IV's as categorical then? I was thinking that BMI could be either overweight/obese or normal; the taste preference has categories and also for sensation seeking can be categorical as it is true/false statements which will then provide a score which could be then categorised. But do you see them as truly continuous?

— mobo

다시 gung, 이것은 또한 명확성을 제공 할 수있는 잠정적 인 목표입니다. 현재의 연구의 주요 목표는 실제 음식 섭취에 대한 음식의 건강에 관한 음식 관련 신념의 영향을 조사하는 것입니다. 또한, 2 차 목표는 감각 추구, 단 맛 선호도 및 BMI가 음식 섭취에 대한 음식 관련 신념의 영향을 완화시킬 수있는 정도를 발견하는 것입니다. 당신의 생각을 듣고 싶습니다.

— mobo

Nice answer by @gung. I'll second the idea that ideally you'd maintain your continuous variables as they are, since that'd give you the most information. Plenty of people find it daunting to learn how to incorporate both continuous and categorical predictors, but it may well turn out worthwhile, either for this study or for a future one. And whether or not you categorize them, try to look for ways to uncover any nonlinear relationships that might exist--perhaps U-shaped, or upside-down-U-shaped, or J-, or reverse-J. This could enrich your study substantially.

— rolando2

예 +1 gung의 답변입니다! 예를 들어 권력 상실 (예 : 유명한 Jacob Cohen의 기사 unc.edu/~rcm/psy282/cohen.1983.pdf ) 때문에 연속 변수를 이분법 화하는 것은 좋은 생각이 아닙니다 . 회귀 분석에서 "메시지"IV를 처리하려면 대비 코드를 사용하여 효과 (및이 IV와 관련된 상호 작용)를 테스트하는 것이 좋습니다 (예 : Judd, CM, & McClelland, GH, Ryan, C. (2008) 참조). ). 데이터 분석 : 모델 비교 접근법 (제 2 판). 뉴욕 : Routledge Press.

— 플로리안

rolando2 님, 안녕하세요. 귀하의 의견에 감사드립니다. 범주 형 변수와 연속 형 변수를 모두 결합하기가 어려워서 어떤 분석을 사용해야하는지 결정하기 어렵습니다. 나의 잠정적 인 목표는 : 현재 연구의 주요 목표는 실제 음식 섭취에 대한 음식의 건강에 대한 음식 관련 신념의 영향을 조사하는 것입니다. 또한, 이차 목표는 감각 추구, 단 맛 선호도 및 BMI가 음식 섭취에 대한 음식 관련 신념의 영향을 완화시킬 수있는 정도를 발견하는 것입니다. ' 이것에 대한 생각?

— mobo