STATISTIK-FORUM.de

[Saya]

Ich habe eine Frage zur Kovarianzanalyse. Diese dient ja dem Zweck, den Einfluss einer Störvariable aus der AV herauszurechnen. Wenn die „Kovariate“ also auch mit der UV in Verbindung steht, sollte eine ANCOVA nicht mehr zulässig sein, soweit zumindest mein Verständnis. Ich rätsele jetzt allerdings herum, ob die ANCOVA in diesem Beispiel richtig verwendet wurde. Die Autoren versuchen, die spezifische Funktion von disgust bei der Bewertung moralischer Fragen herauszufinden und dabei disgust von anger zu trennen. Aus dem Artikel:

"However, the main purpose of this research was to disentangle anger and disgust’s unique effects, despite their frequent co-activation in moral judgments. We then repeated the previous analyses entering the other emotion as a covariate. For anger as the DV controlling for disgust, we found main effects for intent and harm (Table 1). No other main effects or interactions of the manipulations were significant, all p >. 10. When this analysis was repeated using disgust as the DV controlling for anger, there were significant main effects for taboo and harm (Table 1)."

http://epubs.surrey.ac.uk/804134/1/Russ ... 0final.pdf

Die Autoren nutzen dasselbe Vorgehen in vielen Artikeln und publizieren damit in verschiedensten Journals, so dass ich mich frage, ob ich hier was übersehen habe oder ob das tatsächlich ein Fehler ist, der bisher keinem der Reviewer aufgefallen ist. Handelt es sich hier um eine Ausnahme zu oben genannter Regel und wenn ja, warum?

Danke für alle Antworten!

[strukturmarionette]

Hi,

Diese dient ja dem Zweck, den Einfluss einer Störvariable aus der AV herauszurechnen.

- Nee. Um Störungen geht es nicht.

Wenn die „Kovariate“ also auch mit der UV in Verbindung steht, sollte eine ANCOVA nicht mehr zulässig sein

- Nee.

Gruß
S.

[Saya]

Warum gilt "Wenn die „Kovariate“ also auch mit der UV in Verbindung steht, sollte eine ANCOVA nicht mehr zulässig sein" nicht?

Andy Field z.B. schreibt: "ANCOVA has the same assumptions as any linear model (see your handout on bias) except that there are two important additional considerations: (1) independence of the covariate and treatment effect, and (2) homogeneity of regression slopes. he first one basically means that the covariate should not be different across the groups in the analysis (in other words, if you did an ANOVA or t-test using the groups as the independent variable and the covariate as the outcome, this analysis should be non-significant)."