Wat moet je doen als je in een ancova een interactie vindt met een covariaat?

Question

Soms wil je in een anova een covariaat meenemen om power te winnen of om met confounding om te gaan. Een van de aannames van dergelijke analyses is dat de covariaat niet interacteert met (een van de) factoren. Om dit te controleren draait je dus altijd eerst een model waar de interactie tussen de covariaat en de factor in zitten; en als die interactie niet significant is, gooi je die er weer uit en draai je je echte model (met alleen de factor en de covariaat erin).

Maar wat nu als de interactie tussen je covariaat en je factor wel significant is? Hoe moet je dan verder?

Answer 1

Dit probleem wordt helder uitgelegd in

Engqvist, L. (2005) The mistreatment of covariate interaction terms in linear model analyses of behavioural and evolutionary ecology studies. Animal Behaviour, 70, 967–971.

Er zijn drie oplossingen als je een interactie hebt met een covariaat. Ten eerste kun je concluderen dat de invloed van de covariaat verschillend is in de verschillende groepen (elke categorie van de factor komt immers overeen met een groep). Dan kun je vervolgens per groep analyseren, maar dat is natuurlijk alleen een optie als je vooral geinteresseerd bent in de covariaat, en niet in de factor (en in dat geval is het sowieso logischer om een regressie-analyse te doen in plaats van een ancova). Tot slot kun je de zogenaamde "Johnson-Neyman-procedure" gebruiken om te kijken voor welke waarden van de covariaat je factor significant is. Die laatste is echter niet eenvoudig; en bovendien beantwoordt hij een vraag waar je niet altijd in bent geinteresseerd (zie evt http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3203541/ voor meer informatie). Vaak wil je immers gewoon weten wat het effect van de factor is, en is de covariaat niet zo belangrijk. In dat geval kun je ook een regressie-analyse doen; hierbij kun je je factor dan door middel van dummy codering opnemen.