11.3 Bedingungen

Für die ANCOVA müssen mehrere Bedingungen erfüllt sein.

  • Zunächst ist es wichtig, dass die Kovariate metrisch skaliert ist (intervallskaliert bzw. verhältnisskaliert).
  • Bei einem experimentellen Design, bei welchem du Probanden randomisiert Gruppenunterschiede zuordnest, sollte die Kovariate vor der Erhebung erhoben werden. Klassischerweise wird beispielsweise das Vorwissen als Kovariate in Modelle aufgenommen, um den Erfolg einer Maßnahme für das Vorwissen zu kontrollieren.
  • Homogeneity of Regression Slopes

11.3.1 Homogeneity of Regression Slopes

Eine weitere zentrale Annahme der ANCOVA ist, dass die Regressionskoeffizienten der einzelnen Bedingungen gleich sind. Diese Annahme können wir prüfen, indem wir mehrere Regressionsgeraden für die jeweiligen Gruppen bilden. Auf der X-Achse ist die Kovariate repräsentiert, auf der Y-Achse die abhängige Variable:

Homogeneity of Regression Slopes

Figure 11.1: Homogeneity of Regression Slopes

In diesem Beispiel ist die Steigung beider Regressionsgeraden relativ ähnlich. Die Annahme wäre gebrochen, wenn die Steigung dieser Geraden deutlich unterschiedlich sind, beispielsweise, wenn die eine Steigung negativ ist und die andere positiv.

Wenn die Annahme Homogeneity of Regression Slopes gebrochen ist, sollte man diese Unterschiede auch im Modell darstellen, indem man die Interaktion der Gruppen mit der Kovariate aufnimmt. Die Folge ist ein komplexeres, aber genaueres Modell.