Covariata

Questo articolo spiega cosa sono le covariate nelle statistiche. Troverai quindi il significato di covariata, esempi di covariate e come creare un modello statistico con una covariata.

Cos’è una covariata?

In statistica, una covariata è un tipo di variabile che influenza la relazione tra la variabile indipendente e la variabile dipendente ma non è di interesse diretto. In altre parole, una covariata è una variabile che influenza i risultati ma non è interessante da studiare.

Pertanto, una covariata deve essere tenuta sotto controllo in uno studio statistico, in modo che non influisca sui risultati dell’indagine. Normalmente, le covariate vengono incluse nel modello di studio per determinare la loro influenza sulla variabile dipendente, torneremo su questo più in dettaglio più avanti.

Ad esempio, se si desidera analizzare la relazione tra il prezzo delle azioni di una società (variabile dipendente) e il profitto aziendale (variabile indipendente), una covariata sarebbe l’andamento del mercato azionario. Perché, anche se non ci interessa sapere se il prezzo delle restanti azioni in borsa sale o scende, logicamente il prezzo delle azioni della società studiata varierà a seconda che il mercato sia rialzista o ribassista. .

Una covariata può talvolta essere chiamata anche variabile covariata .

Esempi di covariate

Dopo aver visto la definizione di covariata, vedremo diversi esempi di covariate per completare la comprensione del concetto:

1. Se vuoi analizzare come la quantità di fertilizzante aggiunto (variabile indipendente) influisce sulla crescita delle piante (variabile dipendente), il periodo di tempo in cui le piante sono state esposte alla luce solare è una covariata perché può condizionare i risultati.
2. Se lo scopo è studiare la relazione tra i voti ottenuti dagli studenti (variabile dipendente) e le ore trascorse a studiare (variabile indipendente), una covariata è l’insegnante che spiega il curriculum. Logicamente, i voti varieranno da insegnante a insegnante perché ci sono insegnanti che spiegano meglio di altri.
3. Quando studiamo la correlazione tra la produzione di una fabbrica (variabile dipendente) e il numero di macchine che possiede (variabile indipendente), una covariata è lo stipendio che ricevono i dipendenti poiché influisce sulla loro motivazione e quindi sulla loro performance.

Variabile e covariata

In generale, le covariate si differenziano dalle variabili per l’interesse che suscitano nel loro studio. In altre parole, in uno studio statistico, non è interessante studiare una covariata, ma piuttosto analizzare l’effetto che una variabile ha sui risultati.

Tuttavia, sia una variabile che una covariata influiscono sui risultati ottenuti, motivo per cui entrambi i tipi di variabili sono solitamente inclusi nel modello statistico. In questo modo è possibile vedere l’impatto della covariata sulla risposta e quindi analizzare adeguatamente la correlazione tra la variabile indipendente e la variabile dipendente.

Modello con covariata

Normalmente, per studiare la correlazione tra una variabile dipendente e una variabile indipendente, viene effettuato un semplice modello di regressione lineare. Questo modello statistico permette di determinare se la relazione tra due variabili è significativa o, al contrario, se può essere trascurata.

Tuttavia, nella regressione lineare semplice, le covariate non vengono prese in considerazione poiché è inclusa solo una variabile esplicativa. Pertanto, quando sono presenti una o più covariate, queste vengono generalmente incluse nello studio, eseguendo così un modello di regressione multipla. In questo modo si può analizzare la relazione della risposta con la variabile esplicativa di interesse e con le covariate, poiché anch’esse possono condizionare i risultati.

Questo tipo di analisi statistica è chiamata analisi della covarianza (o ANCOVA), che è simile all’analisi della varianza (ANOVA) ma include anche le covariate dello studio.