En estadística, los investigadores suelen estar interesados en comprender la relación entre una o más variables explicativas y una variable de respuesta .
Sin embargo, ocasionalmente puede haber otras variables que pueden afectar la variable de respuesta que no son de interés para los investigadores. Estas variables se conocen como covariables .
Covariables: Variables que afectan una variable de respuesta, pero que no son de interés en un estudio.
Por ejemplo, suponga que los investigadores quieren saber si tres técnicas de estudio diferentes conducen a diferentes puntajes promedio en los exámenes en una escuela determinada. La técnica de estudio es la variable explicativa y la puntuación del examen es la variable de respuesta.
Sin embargo, es probable que exista alguna variación en las habilidades de estudio del estudiante dentro de los tres grupos. Si esto no se tiene en cuenta, será una variación inexplicable dentro del estudio y hará más difícil ver la verdadera relación entre la técnica de estudio y la puntuación del examen.
Una forma de tener en cuenta esto podría ser utilizar la calificación actual del estudiante en la clase como una covariable . Es bien sabido que la calificación actual del estudiante probablemente esté correlacionada con las calificaciones de sus exámenes futuros.
Por lo tanto, aunque la calificación actual no es una variable de interés en este estudio, se puede incluir como una covariable para que los investigadores puedan ver si el estudio de la técnica afecta las calificaciones de los exámenes incluso después de tener en cuenta la calificación actual del estudiante en la clase.
Las covariables aparecen con mayor frecuencia en dos tipos de entornos: ANOVA (análisis de varianza) y regresión.
Covariables en ANOVA
Cuando realizamos un ANOVA (ya sea un ANOVA unidireccional , un ANOVA bidireccional o algo más complejo), nos interesa averiguar si existe o no una diferencia entre las medias de tres o más grupos independientes.
En nuestro ejemplo anterior, estábamos interesados en comprender si había o no una diferencia en las puntuaciones medias de los exámenes entre tres técnicas de estudio diferentes. Para entender esto, podríamos haber realizado un ANOVA de una vía.
Sin embargo, dado que sabíamos que la calificación actual de un estudiante probablemente también afectaría las calificaciones del examen, podríamos incluirla como una covariable y, en su lugar, realizar un ANCOVA (análisis de covarianza).
Esto es similar a un ANOVA, excepto que incluimos una variable continua (la calificación actual del estudiante) como una covariable para que podamos entender si hay o no una diferencia en las calificaciones medias de los exámenes entre las tres técnicas de estudio, incluso después de tomar en cuenta la calificación del estudiante. grado actual .
Covariables en regresión
Cuando realizamos una regresión lineal, nos interesa cuantificar la relación entre una o más variables explicativas y una variable de respuesta.
Por ejemplo, podríamos ejecutar una regresión lineal simple para cuantificar la relación entre los pies cuadrados y los precios de la vivienda en una ciudad determinada. Sin embargo, se puede saber que la edad de una vivienda también es una variable que afecta el precio de la vivienda.
En particular, las casas más antiguas pueden estar correlacionadas con precios de la vivienda más bajos. En este caso, la antigüedad de la casa sería una covariable ya que en realidad no estamos interesados en estudiarla, pero sabemos que tiene un efecto en el precio de la vivienda.
Por lo tanto, podríamos incluir la edad de la vivienda como variable explicativa y ejecutar una regresión lineal múltiple con pies cuadrados y edad de la vivienda como variables explicativas y el precio de la vivienda como variable de respuesta.
Por lo tanto, el coeficiente de regresión para pies cuadrados nos indicaría el cambio promedio en el precio de la vivienda asociado con un aumento de una unidad en pies cuadrados después de tener en cuenta la antigüedad de la vivienda .
Recursos adicionales
Introducción a ANCOVA (análisis de varianza)
Cómo interpretar los coeficientes de regresión
Cómo realizar un ANCOVA en Excel
Cómo realizar una regresión lineal múltiple en Excel
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
