Çok Değişkenli Kovaryans Analizi (MANCOVA)
Multivariate Analysis of Covariance · Ayrıca şöyle bilinir: MANCOVA, multivariate ANCOVA, MANOVA with covariates, MANCOVA — Çok Değişkenli Kovaryans Analizi
MANCOVA (Çok Değişkenli Kovaryans Analizi), iki veya daha fazla grubu, birden fazla sürekli bağımlı değişken üzerinde eş zamanlı olarak karşılaştıran ve bir veya daha fazla kovaryatı istatistiksel olarak kontrol eden parametrik bir hipotez testidir. Kovaryat ayarlamasını dahil ederek MANOVA'yı genişletir; bu, 1970'lerde çok değişkenli istatistiksel metodolojide pekiştirilen ve Tabachnick ve Fidell (2019) tarafından yetkili bir şekilde belgelenen bir gelenektir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
İki veya daha fazla bağımsız grubunuz, tüm katılımcılarda ölçülen iki veya daha fazla sürekli bağımlı değişkeniniz ve istatistiksel olarak kontrol etmek istediğiniz bir veya daha fazla sürekli kovaryatınız olduğunda MANCOVA'yı kullanın. Yöntem şunları gerektirir: her grupta bağımlı değişkenlerin çok değişkenli normalliği, gruplar arasında varyans-kovaryans matrislerinin homojenliği (Box'ın M testi ile test edilir), her kovaryat ile her bağımlı değişken arasında doğrusal bir ilişki ve regresyon eğimlerinin homojenliği — yani kovaryat-sonuç ilişkisi gruplar arasında farklılık göstermez (paralel eğimler varsayımı). Yaklaşık 50 gözlemden oluşan minimum bir örneklem önerilir, bağımlı değişken ve kovaryat sayısı arttıkça daha fazlası gereklidir. Çok değişkenli normalliğin ciddi şekilde ihlal edilmesi durumunda, önyüklenmiş MANCOVA veya parametrik olmayan alternatifleri düşünün.
Güçlü yönler & sınırlılıklar
- Tüm bağımlı değişkenleri eş zamanlı olarak test ederek, ayrı ANCOVA'lar çalıştırmak yerine deney-bazında Tip I hata kontrolünü sağlar.
- Kovaryat kaynaklı gürültüyü grup karşılaştırmalarından kaldırarak istatistiksel gücü ve hassasiyeti artırır.
- Tek bir bağımlı değişkende belirgin olmayabilecek ancak çok değişkenli bir örüntü olarak var olan grup farklılıklarını tespit eder.
- Sonuçlar ilişkiliyken, birden fazla tekil testten daha kavramsal olarak temiz tek bir genel test üretir.
- Regresyon eğimlerinin homojenliği varsayımını gerektirir; eğer eğimler gruplar arasında farklılık gösterirse, MANCOVA ayarı yanıltıcıdır.
- Çok değişkenli normalliğin ve varyans-kovaryans homojenliğinin ihlallerine, özellikle küçük veya eşit olmayan grup boyutlarıyla duyarlıdır.
- Çok sayıda bağımlı değişken dahil edildiğinde ve çok değişkenli etki anlamlı ancak tekil takip analizleri karışık olduğunda sonuçların yorumlanması zor olabilir.
- MANOVA'dan daha büyük örneklemler gerektirir çünkü ek kovaryat parametreleri serbestlik derecelerini tüketir.
SSS
MANCOVA ile MANOVA arasındaki fark nedir?
MANOVA, grupların kovaryat kontrolü olmadan bağımlı değişkenlerin bir kombinasyonunda farklılık gösterip göstermediğini test eder. MANCOVA aynı şeyi yapar ancak önce bir veya daha fazla sürekli kovaryatın doğrusal etkisini ayırır, bu da katılımcılar sonuçları öngören arka plan özelliklerinde farklılık gösterdiğinde grup karşılaştırmasını daha temiz hale getirir.
Hangi çok değişkenli istatistik raporlanmalı — Wilks Lambda, Pillai'nin İzi veya başka bir tane mi?
Wilks Lambda en yaygın raporlanan istatistiktir ve varsayımlar karşılandığında uygundur. Pillai'nin İzi, çok değişkenli normalliğin ve varyans-kovaryans homojenliğinin ihlallerine en dayanıklısıdır, bu da onu küçük veya eşit olmayan örneklem boyutlarında tercih edilen seçenek haline getirir. Roy'un En Büyük Kökü en güçlü olanıdır ancak yalnızca grup farklılıkları tek bir değişkene odaklandığında. Tabachnick ve Fidell (2019), uygulamalı çalışmalarda varsayılan seçenek olarak Pillai'nin İzi'ni önermektedir.
Regresyon eğimlerinin homojenliği varsayımı nasıl kontrol edilir?
Her kovaryat ile gruplama değişkeni arasındaki etkileşimi modele ekleyin. Herhangi bir kovaryat-grup etkileşimi istatistiksel olarak anlamlıysa, eğimler homojen değildir ve standart MANCOVA ayarı geçersizdir. Bu durumda, moderlenmiş regresyon veya ayrı grup içi analizleri düşünün.
Anlamlı bir MANCOVA'dan sonra hangi takip analizleri yapılmalıdır?
Genel çok değişkenli etkiyi hangi sonuçların yönlendirdiğini belirlemek için her bağımlı değişken için Bonferroni düzeltilmiş bir alfa (örneğin, 0.05 / DV sayısı) kullanarak ayrı tekil ANCOVA'lar yapın. Her etki için kısmi eta-kare raporlayın. Alfa düzeltmesi olmadan birden fazla takip ikili karşılaştırması çalıştırmayın.
Kaynaklar
- Tabachnick, B. G. & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson. ISBN: 978-0134790541
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Multivariate Analysis of Covariance. ScholarGate. https://scholargate.app/tr/statistics/mancova
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kovaryans Analizi (ANCOVA)İstatistik↔ karşılaştır
- Diskriminant Analiziİstatistik↔ karşılaştır
- Hotelling'in T² Testiİstatistik↔ karşılaştır
- Çok Değişkenli Varyans Analizi (MANOVA)İstatistik↔ karşılaştır
- Tek yönlü Varyans Analiziİstatistik↔ karşılaştır