协方差分析

协方差分析

某城市教育局在一次对全市初中一年级至高中三年级学生的调查研究中想要考察身心发展对学习成绩的影响，研究者手机了各学校初一年级至高三年级学生的学业成绩以及相关身心发展量表得分，在分析时以学生所在年级来代表年龄差异，但是由于男同学与女同学的身心发展存在差异，因此需要在结果中排除性别因素，然而无法在收集数据时只收集男同学的数据或收集女同学的数据，那么该如何排除性别因素对结果的影响呢？

在实验设计中，考虑到实际的实验情形，无法一一排除某些会影响实验结果的无关变量（干扰变量），为了排除这些不能在实验处理中所操作的变量，而其结果又会影响因变量，可以通过“统计控制”的方法来弥补实验控制的不足，为了提高实验研究的内在效率，必须将可能干扰实验结果的无关变量加以控制，不致产生严重的系统性误差。控制系统误差的方法有很多，例如以随机的方式将被试分配至不同群体；将系统误差加入实验设计，使其变成一个自变量；尽可能控制可控制的系统误差如光纤亮度、噪音等。

实验研究的优点众所周知，即其严密的逻辑性以及可以良好的控制误差，但是让一个标准的实验设计走出实验室，在社会科学领域实施通常比较困难。因此在社会科学领域中经常实施的是准实验设计，在准实验设计中无法使用实验控制法来完全控制无关的干扰变量，故经常增加实验内在效度的方法——统计控制法，最常用的便是协方差分析（analysis of covariance，ANCOV A）。

顾名思义，协方差分析是方差分析的一种，它也包括自变量与因变量，同方差分析，因变量为连续变量且需要满足方差分析关于因变量的假设条件，自变量为分类变量。不同的是，并不是实验所关注的自变量却为研究者进行控制的一类变量被加入分析，它们被称为“协变量”（covariate），要注意，协变量是连续变量。

1.协方差分析的假设

协方差分析的基本假设与方差分析相同，包括变量的正态性、观测值独立、方差齐性等，此外还有三个重要的假设：

1)因变量与协方差之间直线关系；

2)所测量的协变量不应有误差，如果选用的是多项的量表，应有高的内部一致性信度或重

测信度，α系数最好大于0.80。这一假设若被违反会造成犯一类错误的概率上升，降低统计检验力。

3)“组内回归系数同质性”（homogeneity of with in rgression），各实验处理组中一举

协变量（X）预测因变量（Y）的回归线的回归系数要相等，即斜率相等，各条回归线平行。如果斜率不等则不宜直接进行协方差分析。

2.协方差分析的方差分解

方差分析的原理是将因变量的总方差分解成自变量效果（组间）与误差效果（组内）两个部分，再进行F检验。协方差使用的也是这样的方差分析思路，将因变量的总方差先行分割为协变量可解释部分与不可解释部分，不可解释的部分再由方差分析原理进行拆解。协方差分析的方差拆解如下：

3.协方差分析的步骤

协方差分析结合了回归分析与方差分析的方法，计算方法比较复杂，由于涉及回归分析的基本思路，因此一下内容也许需要在阅读了本章第六部分“一元线性回归分析”后理解得更加透彻。

以单因素协方差分析为例说明协方差分析的步骤：

1)协方差分析的准备

（B：组间；W：组内；T：总和；n：组内样本容量；k：组间容量；x：协变量；y：因变量）

2)计算并列出次级数据表

3)计算组内回归系数b=

4)检验组内回归系数的显著性

5)计算心得平方和与均方和

根据表格以及进行协方差分析前的方差分析表做出统计决断，判断协变量对因变量的影响是否显著