协方差分析适用于多个自变量(包括离散变量和连续变量)对一个因变量(连续数据)的影响。自变量中的连续变量被作为协变量加以“控制”(控制变量)。
协方差分析可以在一定程度上排除非处理因素的影响,从而准确的获得处理因素的影响。
协方差分析的条件:除了满足一般的方差分析条件外,还需要满足“平行性检验”。
协方差分析是回归分析和方差分析的结合。
案例:
运动干预对高血压人群的治疗效果研究实验设计(简化版):选取54名高血压人群,随机分为3组,分别采用健身走、广场舞、太极拳运动干预。干预时间为6个月。实验前、实验后测试安静收缩压,差值形成变量“血压下降”。已经统计检验过,实验前三组的收缩压基础值差异没有统计学意义。
统计分析思路说明:考虑到年龄可能对血压下降程度有较大影响,而年龄又是连续变量,因此把“年龄”作为“协变量”。在研究运动干预对血压影响的同时,排除协变量“年龄”的影响,使结果更加准确。协方差分析就是用于解决类似问题的。
1 部分数据
图1
2 平行性检验(1)初步探索
这是协方差分析的一个重要条件。意思是:各组的协变量与因变量存在线性回归关系且斜率基本相同。也就是回归直线近似平行。
可以先做一个散点图,初步探索平行性。
根据图2,三条回归直线近似平行,可以尝试采用协方差分析。
(2)SPSS检验
1)分析-一般线性模型-单变量