ارزیابی اثربخشی مداخلات علوم رفتاری در داده‌های زوجی: مقایسه رویکرد تحلیل کوواریانس و رویکرد تحلیل داده‌های زوجی (apim)

ارزیابی اثربخشی مداخلات رفتاری در موقعیت‌های مختلف آموزشی و درمانی در طرح‌های آزمایشی نیازمند شناسایی ساختار داده‌های جمع‌آوری‌شده و روش‌های مناسب تجزیه‌وتحلیل داده‌ها است. محققان برای تحلیل داده‌های حاصل از طرح پیش‌آزمون- پس‌آزمون با گروه کنترل در نمونه‌های زوجی به‌منظور مقابله با مفروضه کلیدی استقلال مشاهدات، واحد تحلیل را به‌جای زوج، فرد در نظر می‌گیرند. در این شرایط، یا هرکدام از افراد زوج (زن یا شوهر) را به‌عنوان گروه‌های جداگانه تحلیل می‌کنند یا داده‌های هر دو نفر را (با جمع‌کردن یا محاسبۀ میانگین) ترکیب می‌کنند و به یک نمرۀ زوج واحد می‌رسند. ولی مشکل آن است که با این روش نمی‌توان واریانس یا تفاوت‌های مشترک درون و بین زوج را تحلیل کرد. با توجه به اینکه محققان برای تحلیل داده‌های طرح پیش‌آزمون- پس‌آزمون با گروه کنترل در نمونه‌های زوجی عمدتاً از تحلیل کوواریانس استفاده می‌کنند در این مقاله با یک مثال تحقیقی از داده‌های جمع‌آوری‌شده از یک طرح آزمایشی پیش‌آزمون- پس‌آزمون با گروه کنترل، کاربرد و دقت نتایج تحلیل کوواریانس و رویکرد مدل وابستگی متقابل بازیگر- شریک (apim) مقایسه شده است. درواقع این پژوهش از نوع تحلیل ثانویه داده‌ها است. نتایج نشان داد که مدل apim شامل اطلاعات اضافه‏تری نسبت به تحلیل کوواریانس است؛ مدل apim این امکان را ایجاد می‏کند که بتواند اثرات بازیگر و شریک را برآورد کرده و در تفسیر و نتیجه‏گیری مدنظر قرار دهد. زمانی بین نتایج این دو روش تناقض مشاهده می‏شود که سطح معناداری رد یا قبول فرضیه به سطح بحرانی 05/0 نزدیک است و در این موارد باید برای تفسیر و نتیجه‏گیری نهایی بسیار محتاطانه عمل کرد. در مواردی که سطح معناداری با 05/0 فاصله زیادی دارد، مشکلی ایجاد نشده و نتایج دو رویکرد همسو هستند. تغییر در تمرکز بر واحد تجزیه‌وتحلیل، به محققان امکان مطالعۀ فرآیندهای غالباً پیچیده و فرایندهای زیربنایی تعاملات اجتماعی را با روایی بسیار بیشتری فراهم می‌کند.

evaluating the effectiveness of behavioral science interventions in dyadic data: a comparison of ancova approach and dyadic data analysis approach (apim)

evaluating the effectiveness of behavioral interventions in various educational and therapeutic situations in experimental designs requires identifying the structure of collected data and appropriate methods of data analysis. considering that researchers mainly use ancova to analyze the data of the pretest-posttest control group designs in dyadic samples, in this article with a research example of the data collected from a pretest-posttest control group design, the application and the accuracy of the ancova results and the actor-partner interdependence model (apim) approach have been compared. the results showed that the apim model contains more information than ancova; the apim model makes it possible to estimate the effects of actors and partners and consider them in interpretation and conclusions. when the significance level of rejecting or accepting the hypothesis is close to the critical level of 0.05, there is a contradiction between the results of these two methods, and in these cases, one should act very cautiously for interpretation and final conclusions. in cases where the significance level is far from 0.05, there is no problem and the results of the two approaches are consistent. the shift in focus to the unit of analysis allows researchers to study the complex processes and underlying processes of social interactions with much greater validity.