0

这是我正在尝试做的事情的简要概述。我的数据集是从一项实验中收集的,该实验比较了 3 个条件(对照组、第 1 组和第 2 组)的性能。我的第一个任务是比较 gr1 和 control 之间是否存在差异。我对此进行了独立的 t 检验,结果并不显着(所以组平均值之间没有 sig 差异?)。我的下一个任务是包含一个协变量。该协变量有两个级别:高(分数范围从 4 到 7)和低(分数范围从 0 到 3)。我的代码如下所示:

lm(performance ~ condition*covariate)

我为 gr1 vs control 做了这个。输出显示条件显着,协变量显着,但交互作用不显着。我很困惑为什么条件现在很重要。我也只用性能〜条件进行了分析,但这并不重要。任何人都可以为我降低它。

4

1 回答 1

0

我试图提供帮助:简而言之:ANCOVA 的目的是消除协变量对目标变量的影响(在您的情况下为条件)。假设:

  1. 您的目标是调查组状态(对照组、组 1 和组 2)对性能的影响。-> 因变量= 表现,自变量=(条件=组状态)。
  2. 没有协变量(高/低)的对照组和组 1 之间的效果不显着。
  3. 但是在包括您的协变量之后,它很重要。
  4. 您已经检查了执行 ANCOVA 的假设。

我将您的结果解释为:您的协变量是您分析的重要因素。对您的发现的解释应包括协变量。交互不显着对您的模型来说是可以的,也有好处。通过交互,您可以检查回归斜率的同质性(ANCOVA 的假设之一)。

于 2021-01-13T20:42:45.643 回答