前两篇文章,我们对双因素方差分析以及事后比较做了较为详细的说明。与一般的单因素方差分析相比,双因素甚至多因素方差分析,更多的被用在实验研究中。
协变量
在实验研究里,还需要更多的考虑潜在的干扰因素,比如“减肥方式”对于“减肥效果”的影响,年龄很可能是影响因素;同样的减肥方式,但不同年龄的群体,减肥效果却不一样;年龄就属于干扰项,因此在分析的时候需要把它纳入到考虑范畴中。如果方差分析时需要考虑干扰项,此时就称之为协方差分析,而干扰项也称着“协变量”。
示意图
前提条件
(1) 协方差分析中,X是定类数据,Y是定量数据;协变量通常为定量数据;如果协变量是定类数据,可考虑将其纳入X即自变量中,或者将协变量做虚拟变量处理。
(2) 平行性检验:协方差分析有一个重要的假设即“平行性检验”。“平行性”是指:自变量X与协变量对于因变量Y的影响时,自变量X与协变量之间保持独立性。
如果交互项(即有*号项)的P值>0.05则说明平行,满足“平行性检验”,可进行后续分析。如果协方差分析不满足“平行性”条件,则应该将协变量项移出。
案例应用
1 背景
某研究者测试新药对于胆固醇水平是否有疗效;研究者共招募72名被试,分为A和B共两组,每组分别是36名,A组使用新药,B组使用普通药物;在实验前先测试72名被试的胆固醇水平,以及在实验3月之后再次测定胆固醇水平。
本例中X为不同的药物种类,Y为实验后测定的胆固醇水平值。X为定类数据,Y为定量数据,并且存在一个干扰项即实验前的胆固醇水平(定量数据),因此需要进行协方差分析。
2 操作
本例子中研究1个X对于Y的差异,并且有协变量;X为药物, Y为“胆固醇水平3月后”,协变量为“胆固醇水平实验前”。
(1)第1步,进行平行性检验
放置如下,同时勾选“平行性检验”,点击开始协方差分析。
平行性检验
SPSSAU-平行性检验结果
上表为平行性检验结果,此时只关注交互项的显著性即可。表中“药物*胆固醇水平实验前”为自变量X与协变量的交互项,通过分析可知,数据通过平行性检验(F=0.003,P=0.0.694>0.05),满足协方差分析前提假设,因而说明可继续进行协方差分析。
(2)第2步,已经满足了平行性检验,接着进行协方差分析
返回分析界面,这次注意不要勾选“平行性检验”,点击开始协方差分析。
协方差分析
3 结果分析
SPSSAU-协方差分析结果
上表为协方差分析结果,上表中R平方值为0.081,意味着药物解释胆固醇水平的8.1%变异。研究重点在于药物对于胆固醇水平的帮助,在这里药物呈现出0.05水平的显著性(F=6.045,P=0.016<0.05),意味着普通药物和新药的两组群体在胆固醇水平上有着显著性差异。
均值对比
通过上表可知,新药使用B组群体整体胆固醇水平均值为4.991,小于普通药物组别的5.267,即说明新药对于胆固醇水平的帮助性明显更好。
其他说明
协变量为干扰项,但并非核心研究项;因此通常情况下只需要将其纳入模型中即可,并不需要过多的分析。
协变量的个数不定,但一般情况下会很少,比如为1个,2个。如果放入过多的协变量,反而会出现‘主次不分’,因此在进行协方差分析时,需要相对谨慎的放入干扰项(即协变量)。