Comment choisir entre ANOVA et ANCOVA dans une expérience conçue?

17

Je mène une expérience qui présente les éléments suivants:

  • DV: consommation de tranche (continue ou pourrait être catégorique)

  • IV: Message sain, message malsain, pas de message (contrôle) (3 groupes dans lesquels les gens sont assignés au hasard - catégorique) Il s'agit d'un message manipulé sur la salubrité de la tranche.

Les IV suivants peuvent être considérés comme des variables de différence individuelles:

  • Impulsivité (cela peut être catégorique, c'est-à-dire élevé par rapport à faible ou continu et est mesuré par une échelle)

  • Préférence de goût sucré (cela est également mesuré par un questionnaire qui est 3 options à choisir pour chaque question)

  • IMC - les participants seront pesés mesurés en conséquence (cela pourrait également être considéré comme catégorique ou continu).

Comme les groupes seront assignés au hasard à l'un des 3 groupes, je suppose que je fais une ANOVA d'une certaine sorte et que j'utiliserais peut-être l'ANOVA factorielle, car je m'intéresse aux IV qui affectent le plus le DV, mais aussi aux interactions entre les IV comme l'indique la recherche qu'il existe des relations entre certaines combinaisons.

Mais je ne suis pas complètement sûr de cela en raison de la nécessité de savoir s'il vaut mieux que les IV soient tous catégoriques ou continus ou mixtes.

Ou est ANCOVA une possibilité ou même une régression, mais je ne suis pas sûr à ce sujet étant donné qu'ils sont affectés à des groupes puis classés en fonction de leurs réponses aux enquêtes.

J'espère que cela a du sens et j'ai hâte d'entendre quelqu'un au sujet de ma requête.

mobo
la source
Salut Melory, cela ressemble à une expérience intéressante. Pour vous IV, êtes-vous intéressé à savoir comment chacun est lié à l' DVéchelle continue ou êtes-vous plus intéressé par les effets des IVgroupes, par exemple que les personnes en surpoids mangent plus de tranches que les personnes de poids normal (pour votre BMImesure)?
Michelle
Bonjour Michelle, merci pour vos commentaires. Pour être honnête, je suis encore au stade de développement et je vais partout! Mais j'ai un objectif provisoire qui est: Le principal objectif de la présente étude est d'étudier les effets des croyances liées à l'alimentation sur la salubrité des aliments sur l'apport alimentaire réel. En outre, un objectif secondaire est de découvrir dans quelle mesure la recherche de sensations, la préférence pour le goût sucré et l'IMC peuvent atténuer les effets des croyances liées à l'alimentation sur la consommation alimentaire. »
mobo
Salut à nouveau Michelle - juste pour ajouter au commentaire précédent. Cependant, après avoir dit que je suis également intéressé par les interactions entre certains IV, car la recherche indique des relations, c'est-à-dire que les personnes en surpoids sont corrélées à la recherche de sensations. Cela m'aide-t-il là où je suis? Je serais intéressé d'entendre vos pensées. Merci.
mobo
Salut Melory, je ne rajouterais pas en BMItant que mesure continue et utiliserais les catégories de poids insuffisant / normal / surpoids / obèse comme c'est votre question de recherche, pas si le montant de la tranche augmente avec l'augmentation du BMIscore. J'essaierais les autres IVs en continu. Allez-vous publier car je serais professionnellement intéressé par votre article?
Michelle
Salut Michelle, merci pour ça. Je chercherais à publier. Est-ce un domaine qui vous intéresse? Alors, dites-vous qu'il serait approprié de faire une ANOVA factorielle, je pense que j'ai peut-être trop de variables pour essayer de travailler avec.
mobo

Réponses:

34

En tant que fait historique, la régression et l'ANOVA se sont développées séparément et, en partie en raison de la tradition, sont encore souvent enseignées séparément. De plus, les gens pensent souvent que l'ANOVA est appropriée pour les expériences conçues (c'est-à-dire la manipulation d'une affectation variable / aléatoire) et la régression comme appropriée pour la recherche observationnelle (par exemple, le téléchargement de données à partir d'un site Web du gouvernement et la recherche de relations). Cependant, tout cela est un peu trompeur. Une ANOVA est une régression, une seule où toutes les covariables sont catégoriques. Une ANCOVA estune régression avec des covariables qualitatives et continues, mais sans termes d'interaction entre les facteurs et les variables explicatives continues (c'est-à-dire l'hypothèse dite des «pentes parallèles»). Quant à savoir si une étude est expérimentale ou observationnelle, cela n'est pas lié à l'analyse elle-même.

Votre expérience sonne bien. J'analyserais cela comme une régression (dans mon esprit, j'ai tendance à appeler tout régression). J'inclurais toutes les covariables si elles vous intéressent et / ou si les théories avec lesquelles vous travaillez suggèrent qu'elles peuvent être importantes. Si vous pensez que l'effet de certaines variables peut dépendre d'autres variables, assurez-vous d'ajouter tous les termes d'interaction requis. Une chose à garder à l'esprit est que chaque variable explicative (y compris les termes d'interaction!) Consommera un certain degré de liberté, alors assurez-vous que la taille de votre échantillon est adéquate. Je ne dichotomiserais pas , ou ne rendrais pas catégorique, aucune de vos variables continues (il est regrettable que cette pratique soit répandue, c'est vraiment une mauvaise chose à faire). Sinon, on dirait que vous êtes en route.

Mise à jour: Il semble y avoir une certaine inquiétude ici quant à la conversion ou non des variables continues en variables avec seulement deux (ou plus) catégories. Permettez-moi d'aborder cela ici, plutôt que dans un commentaire. Je garderais toutes vos variables comme continues. Il y a plusieurs raisons d'éviter de catégoriser les variables continues:

  1. En catégorisant, vous jeteriez des informations - certaines observations sont plus éloignées de la ligne de démarcation et d'autres plus proches, mais elles sont traitées comme si elles étaient les mêmes. En science, notre objectif est de collecter davantage et de meilleures informations et de mieux organiser et intégrer ces informations. Jeter des informations est tout simplement contraire à la bonne science à mon avis;
  2. Vous avez tendance à perdre de la puissance statistique comme le souligne @Florian (merci pour le lien!);
  3. Vous perdez la capacité de détecter des relations non linéaires comme le souligne @ rolando2;
  4. Que se passe-t-il si quelqu'un lit votre travail et se demande ce qui se passerait si nous dessinions les catégories de ligne b / t dans un endroit différent? (Par exemple, considérez votre exemple d'IMC, et si quelqu'un d'autre dans 10 ans, en se basant sur ce qui se passe dans la littérature à ce moment-là, veut également connaître les personnes souffrant d'insuffisance pondérale et celles qui sont obèses morbides?) pas de chance, mais si vous gardez tout dans sa forme originale, chaque lecteur peut évaluer son propre schéma de catégorisation préféré;
  5. X
    Xspljene=0si X.septXspljene=X-.septsi X>.sept
    XspljeneX

1 & 5 étant le plus important, à mon avis.

gung - Réintégrer Monica
la source
Salut gung. Merci beaucoup pour vos commentaires. Vous utiliseriez donc la régression et vous n'auriez aucun IV comme catégorique alors? Je pensais que l'IMC pouvait être en surpoids / obèse ou normal; la préférence gustative a des catégories et la recherche de sensations peut également être catégorique car ce sont des déclarations vraies / fausses qui fourniront alors un score qui pourrait ensuite être catégorisé. Mais les voyez-vous comme vraiment continus?
mobo
Bonjour à nouveau, c'est mon objectif provisoire qui peut également apporter une certaine clarté: l'objectif principal de la présente étude est d'étudier les effets des croyances liées à l'alimentation sur la salubrité des aliments sur l'apport alimentaire réel. De plus, un objectif secondaire est de découvrir dans quelle mesure la recherche de sensations, la préférence pour le goût sucré et l'IMC peuvent atténuer les effets des croyances liées à l'alimentation sur la prise alimentaire. Je serais intéressé d'entendre vos pensées.
mobo
Belle réponse de @gung. J'appuierai l'idée que, idéalement, vous maintiendriez vos variables continues telles qu'elles sont, car cela vous donnerait le plus d'informations. Beaucoup de gens trouvent intimidant d'apprendre à intégrer à la fois des prédicteurs continus et catégoriques, mais cela pourrait s'avérer utile, que ce soit pour cette étude ou pour une future. Et que vous les classiez ou non, essayez de trouver des moyens de découvrir toutes les relations non linéaires qui pourraient exister - peut-être en forme de U, en forme de U à l'envers, en J ou en J inversé. Cela pourrait enrichir considérablement votre étude.
rolando2
Oui +1 pour la réponse de Gung! Dichotomiser des variables continues n'est jamais une bonne idée à cause, par exemple, d'une perte de puissance (par exemple le célèbre article de Jacob Cohen unc.edu/~rcm/psy282/cohen.1983.pdf ). Pour traiter votre IV «message» dans une analyse de régression, je recommanderai d'utiliser des codes de contraste pour tester son effet (et les interactions impliquant cette IV), voir par exemple Judd, CM et McClelland, GH, Ryan, C. (2008 ). Analyse des données: une approche de comparaison de modèles (2e éd.). New York: Routledge Press.
Florian
Salut rolando2, merci beaucoup pour vos commentaires. Vous avez raison en ce que je trouve difficile de combiner éventuellement des variables catégorielles et continues, ce qui rend difficile pour moi de déterminer quelle analyse utiliser. Mon objectif provisoire est le suivant: Le principal objectif de la présente étude est d'étudier les effets des croyances liées à l'alimentation sur la salubrité des aliments sur l'apport alimentaire réel. En outre, un objectif secondaire est de découvrir dans quelle mesure la recherche de sensations, la préférence pour le goût sucré et l'IMC peuvent atténuer les effets des croyances liées à l'alimentation sur la prise alimentaire. » Réflexions là-dessus?
mobo