Kovariaatteja

Kovariaatit ovat tilastollisessa analyysissä käytettäviä muuttujia, joita lisätään malliin kontrollin ja tarkemman vaikutuslaskelman saavuttamiseksi. Niiden tarkoituksena on selittää osaa vaihtelusta ja estää mahdollisten seikkojen,valikoitumisen vaikuttamista päämuuttujan tuloksiin. Kovariaatit voivat olla demografisia, biologisia, aikaisempia mittauksia tai muita muuttujia, joita tutkimuksessa pidetään relevantteina.

Kovariaatit voivat olla sekä numeerisia että kategorisia arvoja. Esimerkkejä ovat ikä, paino, verenpaine, koulutustaso tai liikunnan määrä. Niitä käsitellään mallissa kuten muutkin selittäjät, esimerkiksi lineaarisessa tai logistisessa regressiossa, jolloin tulosmallin kaava sisältää sekä pääselittävän muuttujan että kovariaatit. Tavoitteena on kontrolloida vaihtelua ja/tai parantaa huomionarvoisen vaikutuksen estimaattia.

Käyttöalueet ja menetelmät ovat laajoja. Kovariaatteja käytetään esimerkiksi ANCOVA-malleissa, regressioanalyyseissä sekä propensity score -menetelmissä konfounderien hallitsemiseksi. Ne auttavat myös varsinaisten ryhmäerojen tulkinnassa ja tulosten yleistettävyyden parantamisessa. Huomioitavia seikkoja ovat kovariaattien laadukkuus ja määrän suhde mallin monimutkaisuuteen, mahdollista multikollineaarisuutta sekä puuttuvien tietojen käsittelyä.

Kovariaatit eivät ole sama kuin konfounderit, mutta niistä voi olla konfound-nimityksen piiriin kuuluvia. Konfounder on erityinen kovariaatti, joka on yhteydessä sekä pääselittäjään että tulokseen ja voi vääristää vaikutusestimaatteja, jos sitä ei huomioida mallissa. Esimerkissä tutkittaessa koulumenestystä kovariaatteja voivat olla ikä, aiempi menestys ja perhetausta.