تحلیل‌های تک‌متغیره (ANCOVA) تحلیل‌های چندمتغیره (MANCOVA Ancova

راهنمای جامع تحلیل‌های تک‌متغیره (ANCOVA) و چندمتغیره (MANCOVA) برای آزمون اثربخشی

اهمیت تحلیل کوواریانس در پژوهش‌های روانشناختی

در مطالعات روانشناسی و علوم تربیتی، بررسی تأثیر مداخلاتی مانند آموزش تنظیم هیجانی بر متغیرهای پیامد (مانند سازگاری اجتماعی و مهارت حل مسئله) از اهمیت ویژه‌ای برخوردار است. اما یک چالش اساسی وجود دارد: تفاوت‌های اولیه بین شرکت‌کنندگان (مثلاً در پیش‌آزمون) ممکن است نتایج را تحت تأثیر قرار دهد. اینجاست که تحلیل‌های کوواریانس (ANCOVA و MANCOVA) به کمک پژوهشگران می‌آیند.

چرا از این روش‌ها استفاده می‌کنیم؟

  • کنترل اثر متغیرهای مداخله‌گر (مانند نمرات پیش‌آزمون)

  • افزایش دقت در برآورد اثر مداخله

  • کاهش واریانس خطا

  • بهبود قدرت آماری پژوهش

فصل ۱: تحلیل کوواریانس تک‌متغیره (ANCOVA)

۱.۱ ANCOVA چیست و چگونه کار می‌کند؟

تحلیل کوواریانس تک‌متغیره (ANCOVA) ترکیبی از تحلیل واریانس (ANOVA) و رگرسیون خطی است که به ما امکان می‌دهد:

  • تأثیر یک یا چند متغیر مستقل (مانند گروه آزمایش/کنترل) را بر یک متغیر وابسته بسنجیم

  • همزمان اثر متغیرهای کمکی (مانند نمرات پیش‌آزمون) را کنترل کنیم

مثال کاربردی:
فرض کنید می‌خواهید تأثیر آموزش تنظیم هیجانی را بر سازگاری اجتماعی بررسی کنید. ANCOVA به شما کمک می‌کند اثر آموزش را پس از کنترل تفاوت‌های اولیه در پیش‌آزمون بسنجید.

 

۱.۲ پیش‌فرض‌های اساسی ANCOVA

پیش‌فرض روش بررسی راهکارهای اصلاحی
نرمال بودن باقیمانده‌ها آزمون Shapiro-Wilk تبدیل داده‌ها (مثلاً لگاریتمی)
همگنی واریانس‌ها آزمون Levene استفاده از آزمون‌های مقاوم
همگنی شیب‌های رگرسیون بررسی اثر تعاملی حذف متغیر کمکی مشکل‌دار
خطی بودن رابطه نمودار پراکندگی افزودن جمله درجه دوم

گام اول

آزمون Shapiro-Wilk

گام دوم

آزمون Shapiro-Wilk

گام سوم

آزمون Shapiro-Wilk

گام چهارم

آزمون همگنی واریانس ها

برابری واریانس (Levene)

گام پنجم

پیش‌فرض‌ 2:
 برابری واریانس (Levene)برابری واریانس (Levene)

 

خروجی برابری واریانس (Levene)

برابری واریانس (Levene)

۱.۳ مراحل اجرای ANCOVA در SPSS

۱. مسیر دسترسی:
Analyze > General Linear Model > Univariate

تحلیل‌های (ANCOVA)

تحلیل‌های تک‌متغیره (ANCOVA):

تحلیل‌های تک‌متغیره (ANCOVA):

 

تحلیل‌های تک‌متغیره آنکوا

تحلیل‌های تک‌متغیره (ANCOVA): بررسی اثرات جداگانه روی هر متغیرتحلیل‌های تک‌متغیره (ANCOVA):

 

فصل ۲: تحلیل کوواریانس چندمتغیره (MANCOVA)

۲.۱ مزایای MANCOVA

  • امکان بررسی همزمان چندین متغیر وابسته

  • کنترل بهتر خطای نوع اول

  • بررسی روابط پیچیده بین متغیرها

  • افزایش قدرت آماری در صورت وجود همبستگی بین متغیرهای وابسته

۲.۲ پیش‌فرض‌های کلیدی

۱. نرمال بودن چندمتغیره (آزمون Mardia)
۲. همگنی ماتریس‌های کوواریانس (آزمون Box’s M)
۳. عدم همخطی چندگانه (بررسی ماتریس همبستگی)
۴. خطی بودن روابط (نمودارهای پراکندگی)

 

گام‌به‌گام اجرای MANCOVA
گام‌به‌گام اجرای MANCOVA
 اجرای MANCOVA
گام‌به‌گام اجرای MANCOVA و وارد کردن متغییر ها

۲.۳ گام‌به‌گام اجرای MANCOVA

۱. مسیر دسترسی:
Analyze > General Linear Model > Multivariate

۲. تعیین متغیرها:

  • متغیرهای وابسته: سازگاری اجتماعی و مهارت حل مسئله (پس‌آزمون)

  • متغیر مستقل: گروه

  • متغیرهای کمکی: نمرات پیش‌آزمون

     MANCOVA
    خروجی MANCOVA

     

آموزش کامل  ویدیوئی

 

 

Comments

No comments yet. Why don’t you start the discussion?

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *