Analyse de covariance
Cet article est une ébauche concernant les probabilités et la statistique.
Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.
Consultez la liste des tâches à accomplir en page de discussion.
L'analyse de la covariance (ANCOVA) est une méthode statistique visant à tester, par un modèle linéaire général, l'effet sur une variable dépendante continue d'une ou plusieurs variables indépendantes catégorielles, indépendamment de l'effet d'autres facteurs quantitatif continus, dits covariables. En d'autres termes, l'ANCOVA est une combinaison entre une ANOVA et une régression de telle sorte que l'ANCOVA permet de tester si certains facteurs ont un effet sur la variable résultat après avoir enlevé la variance due aux covariables. L'inclusion de covariables peut accroître la puissance statistique parce qu'elles sont la cause d'une certaine variabilité[1],[2].
Algorithme[modifier | modifier le code]
Voir aussi[modifier | modifier le code]
Notes[modifier | modifier le code]
Liens internes[modifier | modifier le code]
Liens externes[modifier | modifier le code]
- Exemples de modèles ANOVA et ANCOVA
- Analyse de la Covariance sur des échantillons Independants
- Utilisation de covariables dans des tests contrôlés aléatoirement par G.J.P. Van Breukelen and K.R.A. Van Dijk (2007)
Références[modifier | modifier le code]
- John NS Matthews, Analysis of Covariance
- Katie Langin, mis.ccu.edu.tw
