协方差分析解决的问题：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。

分析步骤包括两个部分：

第一部分：平行性检验

自变量与协变量的交互作用：P＞0.05，满足平行性检验，满足协方差分析的条件；P≤0.05，不满足平行性检验，不满足协方差分析的条件。

第二部分：协方差分析

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。

自变量：锻炼项目

协变量：年龄

因变量：血压下降。

1 部分数据