excel线性拟合的斜率_协方差分析：方差分析与线性回归的统一

转自个人微信公众号【Memo_Cleon】的统计学习笔记：协方差分析：方差分析与线性回归的统一。

在进行数据分析时，有时候我们会遇到数据基线不平的情况，比如两样本的t检验的示例，比较Labe和Meto用药13周的降压效果，但一开始用药的时候两组舒张压的差别便有统计学意义。除了文中使用的差值比较，协方差分析是一个非常不错的选择。

协变量是对观察结果有影响但无法或难以控制的因素。协方差分析是通过直线回归的方式把协变量值化为相等（协变量取值其总均数）后求得因变量的修正均数，以此控制混杂因素的影响后，用方差分析比较修正均值间的差别。

适用条件：

（1）协变量为连续变量，且各组因变量与协变量呈线性关系；

（2）各组因变量残差呈正态分布；

（3）各组因变量残差等方差；

（4）各组因变量和协变量的回归线平行，即斜率相等。也就是要求对于不同的自变量，协变量对因变量的影响相同。如不满足平行线假定，说明自变量和协变量存在交互作用，他们会同时对因变量产生影响，这样混杂起来我们就无法控制协变量。

（5）在考察因变量与协变量的线性关系时，严格来讲也需要考察建立每条回归直线的前提：线性趋势、独立、正态、方差齐、不存在多重共线、无明显异常点等，具体可参考“多因素线性回归”。

示例“两独立样本的t检验”数据来自excel的自动生成，没有任何实际意义。严格来说，本例因变量与协变量的线性关系也不明显，并不适合使用协方差分析。本例为演示操作步骤和结果解读使用。

示例1 SPSS操作步骤与结果解读

【1】条件考察

（1）因变量与协变量的线性关系考察

Graphs>>ChartBuilder…

结果显示，不论Labe组还是Meto组，舒张压的基线值与治疗后结果线性关系并不明显，不适合使用线性模型来统计推断。注：本示例数据是通过Excel自动生成，没有任何实际意义。

实际上使用线性模型进行拟合的结果也显示，两组的基线值与治疗后的舒张压并不成线性关系，线性拟合步骤如下：

Analyze>>Regression>>Linear…

• Dependent（因变量）：Dw13；
• Independent（自变量）：Dbl；变量筛选方法（Method）：Enter
• SelectionVariables（筛选变量）：通过Rule筛选Group=1和Grou=2，分别进行两次线性拟合

主要结果：

Group=1：模型F=0.250，P=0.620；Dbl系数估计值-0.109，t=-0.500，P=0.620。

Group=2：模型F=0.190，P=0.666；Dbl系数估计值0.081，t=0.435，P=0.666。两个模型均只有一个自变量，系数检验和模型检验是一致的。

线性关系不成立是不能直接进行协方差分析的。为更好的演示操作，本例继续协方差进行分析的后续步骤。

（2）平行线假定检验：要检验治疗前和治疗后的舒张压的回归线是否平行，即治疗前舒张压对治疗后舒张压的影响在labe和meto两个组中是否相同，可用治疗前舒张压（Dbl）与治疗方法（Group）是否存在交互作用来表示。

Analyze>>GeneralLinear Model>>Univariate…

因变量：Dw13；固定因素：Group；协变量：Dbl

Model…对话框>>选择“Build Term”构建含有“Group、Dbl、Group*Dbl”的模型

其他默认选项

注：Model…对话框：全因素模型可以考察所有因素及其之间的交互作用，但各因素与协变量的交互作用不会输出，需要强行纳入处理因素和协变量的交互作用以进行分析，即group处于不同水平时，Dw13随Dbl变化的斜率是否相等。

结果显示：Group与Dbl的交互项无统计学意义（F=0.442，P=0.508），可以认为两组的斜率相同。

<