Коваріативна

У цій статті пояснюється, що таке коваріати в статистиці. Тому ви знайдете значення коваріат, приклади коваріатів і те, як створити статистичну модель з коваріатами.

Що таке коваріата?

У статистиці коваріата — це тип змінної, яка впливає на зв’язок між незалежною змінною та залежною змінною, але не становить прямого інтересу. Іншими словами, коваріата — це змінна, яка впливає на результати, але не становить інтересу для вивчення.

Тому коваріату необхідно тримати під контролем у статистичному дослідженні, щоб вона не вплинула на результати дослідження. Зазвичай коваріати зазвичай включають у модель дослідження, щоб визначити їхній вплив на залежну змінну, ми повернемося до цього більш детально нижче.

Наприклад, якщо ви хочете проаналізувати зв’язок між ціною акцій компанії (залежна змінна) і прибутком компанії (незалежна змінна), коваріата буде тенденцією фондового ринку. Тому що, навіть якщо ми не зацікавлені в тому, чи ціна решти акцій на фондовому ринку зростає чи знижується, логічно ціна акцій досліджуваної компанії буде змінюватися залежно від того, чи є ринок бичачим чи ведмежим. .

Коваріату також іноді можна називати коваріатною змінною .

Приклади коваріантів

Ознайомившись із визначенням коваріат, ми побачимо кілька прикладів коваріатів, щоб остаточно зрозуміти концепцію:

1. Якщо ви хочете проаналізувати, як кількість доданого добрива (незалежна змінна) впливає на ріст рослин (залежна змінна), тривалість часу, протягом якого рослини були під впливом сонячного світла, є коваріантом, оскільки він може обумовлювати результати.
2. Якщо метою є вивчення зв’язку між оцінками, отриманими студентами (залежна змінна), та годинами, витраченими на навчання (незалежна змінна), коваріантом є вчитель, який пояснює навчальну програму. Логічно, що оцінки вчителів відрізнятимуться, тому що є вчителі, які пояснюють краще за інших.
3. Коли ми вивчаємо кореляцію між виробництвом фабрики (залежна змінна) і кількістю машин, які вона має (незалежна змінна), коваріата — це зарплата, яку отримують працівники, оскільки вона впливає на їх мотивацію, а отже, і на продуктивність.

Змінна та коваріативна

Загалом коваріати відрізняються від змінних інтересом, який вони викликають у своєму вивченні. Іншими словами, у статистичному дослідженні цікаво не вивчати коваріату, а радше аналізувати вплив змінної на результати.

Однак і змінна, і коваріата впливають на отримані результати, тому обидва типи змінних зазвичай включають у статистичну модель. Таким чином можна побачити вплив коваріати на відповідь і, отже, правильно проаналізувати кореляцію між незалежною змінною та залежною змінною.

Модель з коваріантом

Зазвичай для вивчення кореляції між залежною змінною та незалежною змінною використовується проста модель лінійної регресії. Ця статистична модель дає змогу визначити, чи зв’язок між двома змінними є значущим, чи, навпаки, ним можна знехтувати.

Однак у простій лінійній регресії коваріати не враховуються, оскільки включено лише одну пояснювальну змінну. Таким чином, коли є одна або більше коваріат, вони, як правило, включаються в дослідження, таким чином виконуючи модель множинної регресії. У такий спосіб можна проаналізувати зв’язок відповіді з пояснювальною змінною, що цікавить, і з коваріатами, оскільки вони також можуть обумовлювати результати.

Цей тип статистичного аналізу називається коваріаційним аналізом (або ANCOVA), який подібний до дисперсійного аналізу (ANOVA), але також включає досліджувані коваріати.