实验中如果有某个不感兴趣变量影响感兴趣变量，我们可以在处理数据是通过协方差分析将协变量（不感兴趣变量）从自变量（感兴趣变量）中分离出去。协方差分析是关于如何调节协变量对因变量的影响效应，从而更加有效地分析实验数据的一种方法。
如果协变量可测，并和实验结果之间存在直线回归关系，就可利用直线回归方法将处理的观测值都校正到初始条件相同时的结果，使处理间的比较能在相同条件下进行，从而得到正确结论。
举例
部分数据
用到程序包：lsmeans
代码：
df=read.table("clipboard",header=T)
library(lsmeans)
fit=lm(壳长~总重+population,data = df)······总重为协变量
summary(fit)
anova(fit)
lsmeans(fit,pairwise~population)
结果：
结果1
第一个p值表示协变量总重与目标变量壳长之间线性回归关系极显著，因此协方差分析有效。
第二个p值表示不同群体（population）对壳长生长有显著影响
结果2
结果2第2、3列分别表示各群体壳长校正后的结果
结果3
结果3表示最小二乘平均值凉凉比较的结果，如4个群体中，A和B差异极显著，A和C差异不显著。
参考资料：《R与ASRemal-R统计学》
网友评论