Quand faut-il utiliser la régression multiple avec codage fictif vs ANCOVA?

J'ai récemment analysé une expérience qui a manipulé 2 variables catégorielles et une variable continue en utilisant ANCOVA. Cependant, un examinateur a suggéré que la régression multiple avec la variable catégorielle codée comme variables fictives est un test plus approprié pour les expériences avec des variables catégorielles et continues.

Quand est-il approprié d'utiliser l'ANCOVA par rapport à la régression multiple avec des variables muettes et quels facteurs dois-je prendre en compte pour choisir entre les deux tests?

Je vous remercie.

ttnphns est correct.

Cependant, compte tenu de vos commentaires supplémentaires, je dirais que l'examinateur voulait le changement simplement pour l'interprétation. Si vous voulez vous en tenir aux résultats du style ANOVA, appelez-le simplement ANOVA. ANCOVA et ANOVA sont les mêmes, comme l'ont souligné ttnphns. La différence est qu'avec ANCOVA, vous ne traitez pas les covariables comme des prédicteurs et vous semblez certainement vouloir faire exactement cela.

L'évaluateur voulait dire que, bien que vous puissiez effectuer une ANOVA sur des prédicteurs continus, il est typique que l'on effectue une régression. Une caractéristique de ceci est que vous obtenez des estimations des effets de la variable continue et vous pouvez même regarder les interactions entre celle-ci et la catégorie (qui ne sont pas incluses dans une ANCOVA mais pourraient l'être dans une ANOVA).

Vous aurez peut-être besoin d'aide pour interpréter les résultats de la régression, car des choses amusantes se produisent sur le chemin des interactions si vous allez utiliser les valeurs bêta pour déterminer la signification de vos effets.

Ces deux sont la même chose. Par exemple, dans SPSS, la procédure dans laquelle je spécifie ANCOVA est appelée GLM (modèle linéaire général); il demande de saisir des "facteurs" (prédicteurs catégoriels) et des "covariables" (prédicteurs continus). Si je recode les "facteurs" en variables muettes (en omettant une catégorie redondante de chaque facteur) et que je saisis tous ceux-ci avec les covariables comme "variables indépendantes" dans la procédure REGRESSION (régression linéaire), j'obtiendrai les mêmes résultats qu'avec GLM ( bien entendu, la variable dépendante est la même).

PS Les résultats seront identiques si les modèles sont identiques. Si la régression ne contient que des effets principaux, l'ANCOVA doit être spécifié sans interaction facteur par facteur, bien sûr.

La régression linéaire multiple me semble plus appropriée que l'ANCOVA dans cette situation, comme le recommande le critique de la revue.

Essayez d'exécuter à la fois une régression multiple et une ANCOVA et de comparer les résultats. Ils ne seront probablement pas identiques.

L'ANCOVA et la régression linéaire multiple sont similaires, mais la régression est plus appropriée lorsque l'accent est mis sur la variable de résultat dépendante, tandis que l'ANCOVA est plus appropriée lorsque l'accent est mis sur la comparaison des groupes d'une des variables indépendantes. Dans l'expérience décrite ci-dessus, l'accent semble clairement être mis sur la variable de résultat.

Enfin, à moins que vous ne soyez vraiment certain que votre façon de faire est meilleure que celle de l'examinateur et que vous pouvez expliquer pourquoi, alors vous devriez probablement simplement concéder l'expertise de l'examinateur, afin de pouvoir publier votre article.