Matematiikassa ja eri oppiaineissa on monia tilastollisia malleja. ANOVA- ja ANCOVA-tekniikat tarjoavat erilaisia malleja. Heillä on ainutlaatuisia malleja ja kaavoja parempia ratkaisuja varten. Molempia käytetään tilastollisessa ja matemaattisessa analyysissä. ANOVA on testi ryhmien keskiarvoista, joihin ANCOVA vaikuttaa metrisissä asteikoissa.
ANOVA vs ANCOVA
Ero ANOVAn ja ANCOVAn välillä on niiden prosessi. ANOVA on prosessi, jossa tutkitaan ryhmien homogeenisuutta. ANCOVA on prosessi, jolla poistetaan vaikutus useammalta kuin yhdeltä mitta-asteikolta. ANOVAa käytetään sekä lineaarisissa että epälineaarisissa malleissa. ANCOVA on käytössä vain lineaarisessa mallissa. Ryhmän (WG) attribuutit ANOVAssa vaihtelevat yksilön mukaan. Jako ryhmän sisällä (DWG) vaihtelee yksilöstä moniin kansoihin.
ANOVA on lyhenne sanoista varianssianalyysi. ANOVA on vain tilastollisen analyysin arvioituja menettelyjä. Tilastomies Ronald Fisher on se, joka löysi ANOVAn. Yksinkertaisesti sanottuna se on vaihtelua ryhmien välillä. ANOVA:n päätavoitteena on analysoida erilaisia keinoja. Kokonaisvarianssin laki on ANOVA:n käsite, eli erityisesti muutos ja komponenttien attribuuttien varianssi. ANOVA on vain tilastollinen testi tasa-arvon ja erojen löytämiseksi.
ANCOVA tarkoittaa kovarianssianalyysiä. Se on yleinen lineaarinen malli tilastoissa. ANCOVA:n pääasia on, että riippuvaisen muuttujan annettu asia on yhtä kuin riippumaton muuttuja. ANCOVAa kutsutaan myös hoidoksi. ANCOVAn ensisijaisena tavoitteena on ohjata jatkuvien muuttujien tai yhteismuuttujien tai haitallisten muuttujien virtaa. ANCOVA hajottaa matematiikan varianssin.
ANOVA- ja ANCOVA-vertailutaulukko
| Vertailuparametrit | ANOVA | ANCOVA |
| Määritelmä | ANOVA on prosessi, jossa määritellään ryhmien keskiarvot | ANCOVA on prosessi, jolla poistetaan vaikutus metriasteikolla. |
| Mallit | ANOVAssa on sekä lineaarisia että epälineaarisia malleja. | ANCOVAlla on vain lineaarinen malli. |
| Muuttujat | ANOVAssa on vain kategorisia muuttujia. | ANCOVAssa on kategoria- ja intervallimuuttujat. |
| Kovariaatti | ANOVA jättää kovariaatin huomioimatta. | ANCOVA harkitse kovariaattia. |
| BG vaihtelu | ANOVAlla on attribuutti ryhmän välillä (BG) | ANCOVAlla on Divides Between Group (BG). |
| WG variaatio | ANOVAlla on attribuutti ryhmässä (WG). | ANCOVAlla on jakautuminen ryhmässä (WG) |
Mikä on ANOVA?
1900-luvulla varianssianalyysillä on hedelmänsä. analyysi sisältää hypoteeseja, osiointia, neliöitä jne. Se sisältää myös kokeellisia tekniikoita ja malleja. Vuonna 1770 Laplace on se, joka suorittaa hypoteesitestauksen. Pienimmän neliösumman menetelmän perustivat Gauss ja Laplace vuonna 1800. Sen jälkeen sitä käytetään tähtitiedessä ja geodesiassa. ANOVA on käsitelty pienimmän neliösumman menetelmin käyttäen Laplacen vuonna 1827. Sen avulla hän mittaa ilmakehän vuorovedet.
Vuonna 1918 Ronald Fisher löysi termin varianssin. ANOVA on tullut suosituksi Ronald Fisherin kirjan Statistical Methods for Research Workers kanssa. Sen julkaisi ensimmäisenä Jerzy Neyman. Mallissa on lineaarinen suhde riippuvan muuttujan ja riippumattoman muuttujan välillä. ANOVAa käytetään pääasiassa monimutkaisissa suhteissa parempien ratkaisujen saamiseksi. ANOVAssa on kolme eri luokkamallia, nimittäin kiinteätehoiset mallit, satunnaiset efektimallit ja sekaefektimallit.
ANOVAa sovelletaan useilla eri lähestymistavoilla. Lineaarinen malli on ANOVAssa käytetty perusmalli. Lineaarisilla malleilla on vain täydellisiä ratkaisuja, ja epälineaariset ylittävät tekijätasot. Data tasapainotetaan parempaa tulkintaa varten, ja epätasapainoinen data on ymmärrettävä paremmin. Koeyksiköissä hoidot on jaettu satunnaisesti. Ennen koetta satunnaistaminen on ilmoitettava. Satunnaismäärityksen päätavoite on nollahypoteesi.
Mikä on ANCOVA?
ANCOVA viittaa kovarianssianalyysiin. ANCOVA voi lisätä tilastollisen tehon kykyä. Tätä ominaisuutta käyttämällä se löysi eron ryhmien välillä etsimällä virhevarianssia ryhmän sisällä. F-testi on perusta erojen löytämiselle. Se on varianssin käsite eri ryhmien sisällä. ANCOVA säätää myös olemassa olevia eroja ryhmien sisällä.
ANCOVA:n tärkein kiistanalainen käsite on DV:n sisällä olevien erojen korjaaminen. Mutta näissä olosuhteissa on mahdotonta tasata satunnaisten tehtävien avulla. CV:tä käytetään ANCOVA-arvojen säätämiseen. Mutta nämä kovariaatit eivät löytäneet tilastollisia tekniikoita eivätkä voi rinnastaa ryhmiä. IV, joka poistaa CV:n varianssin, liittyy aina DV:hen ja poistaa myös merkittävän muuttujan ryhmistä, jotka johtavat merkityksettömiin ratkaisuihin.
ANOVAa käytetään pohjimmiltaan vertailevassa analyysissä. Se löytää erilaisia kiinnostavia tuloksia. Kahden varianssin suhde voi määrittää tilastollisen merkitsevyyden. Mutta suhde on riippumaton havainnoista. Merkitys ei muutu lisäämällä vakiot ja kertomalla vakiot. Yksiköt käyttävät ratkaisuihin ilmaistavia havaintoja. Tietojen yksinkertaistamiseksi vähennämme arvoista aina vakion. Tietojen koodaus on hyvä esimerkki ANCOVAsta.
Tärkeimmät erot ANOVA:n ja ANCOVA:n välillä
Johtopäätös
Sekä ANOVAlla että ANCOVAlla on ainutlaatuinen tekniikka tilastolliseen analyysiin. ANOVA voi toimia sekä lineaarisissa että epälineaarisissa malleissa. ANCOVA toimii vain lineaaristen mallien kanssa. Molemmilla on useita tekniikoita ja malleja parempia ratkaisuja varten. Kaavat auttavat löytämään tulokset helposti. Monimutkaisemmat algoritmit tehdään ANOVA:lla. ANOVA-tekniikassa on saatavilla monenlaisia analyysimenetelmiä. ANCOVA-tekniikassa on useita oletusmenetelmiä. ANCOVA pitää tehotekniikoita myös hyödyllisinä matemaattisessa analyysissä.
