Kovariate
In diesem Beitrag
Was versteht man unter Kovariate?
Eine Kovariate ist eine zusätzliche Variable in einem statistischen Modell, die nicht die primäre Untersuchungsvariable (Prädiktor oder unabhängige Variable) ist, aber dennoch einen Einfluss auf die abhängige Variable haben kann. Kovariaten werden in das Modell aufgenommen, um diesen Einfluss statistisch zu kontrollieren – also herauszurechnen –, sodass der eigentliche Effekt der interessierenden Variable klarer und unverzerrter geschätzt werden kann.
In einem Regressionsmodell der Form
Allgemeines Regressionsmodell mit Kovariaten
sind die eigentlichen Prädiktoren des Interesses, während weitere Variablen als Kovariaten fungieren können, um Störeinflüsse zu berücksichtigen.
Warum ist Kovariate für statistische Analysen wichtig?
Kovariaten erfüllen in statistischen Analysen mehrere wichtige Funktionen:
- Reduktion von Confounding: Wenn eine dritte Variable sowohl mit dem Prädiktor als auch mit der abhängigen Variable zusammenhängt (ein sogenannter Confounder), kann sie den geschätzten Effekt verzerren. Indem man diese Variable als Kovariate ins Modell aufnimmt, wird ihr Einfluss herausgerechnet.
- Erhöhung der statistischen Power: Kovariaten erklären einen Teil der Varianz in der abhängigen Variable. Dadurch wird der verbleibende Fehler (Residualvarianz) kleiner, und das Modell kann Effekte präziser und zuverlässiger nachweisen.
- Genauere Schätzungen: Durch die Kontrolle störender Einflüsse werden die Schätzer für die eigentlichen Prädiktoren stabiler und interpretierbarer.
Kovariaten kommen in vielen statistischen Verfahren vor: in der multiplen Regression, in der Varianzanalyse (als ANCOVA, also Kovarianzanalyse), in gemischten Modellen oder in der Überlebensanalyse.
Praxisbeispiel zu Kovariate
Eine Bildungsforscherin untersucht, ob Studierende, die eine spezielle Schreibwerkstatt besuchen, bessere Abschlussarbeiten verfassen (gemessen anhand der Note). Sie vermutet jedoch, dass auch die allgemeine Schreibkompetenz zu Beginn des Studiums die Note beeinflusst.
| Variable | Rolle im Modell | Begründung |
|---|---|---|
| Teilnahme an der Schreibwerkstatt (ja/nein) | Unabhängige Variable (Prädiktor) | Eigentliche Forschungsfrage |
| Note der Abschlussarbeit | Abhängige Variable | Interessierendes Ergebnis |
| Schreibkompetenz zu Studienbeginn | Kovariate | Möglicher Störeinfluss, der kontrolliert werden soll |
Die Forscherin führt eine Kovarianzanalyse (ANCOVA) durch. Durch die Aufnahme der Schreibkompetenz als Kovariate wird deren Einfluss auf die Note statistisch herausgerechnet. Das Ergebnis zeigt dann, ob die Schreibwerkstatt einen eigenständigen Effekt hat – unabhängig davon, wie gut jemand bereits zu Beginn schreiben konnte. Ohne diese Kontrolle könnte es sein, dass ohnehin schreibstarke Studierende häufiger die Werkstatt besuchen und der gemessene Effekt in Wirklichkeit auf die Vorkompetenz zurückgeht.
