方法选择 · 2026-07-11

ANCOVA 还是变化值分析？前后测组间比较怎么选

前后测研究该用 ANCOVA 还是变化值分析？本文按估计目标、基线调整和随机设计分流，并说明 ChatSRS 当前 ANCOVA、配对 t 与回归输出边界。

直接决策答案

对于有前测和后测的组间比较，如果研究目标是“控制基线后，组别对后测的调整差异”，通常使用 ANCOVA：后测作因变量，组别作固定因素，前测作协变量。

如果研究目标明确是“每名受试者从前测到后测的变化量，组间是否不同”，可以先定义 change=post-pre，再用适合组间设计的模型比较变化值。

两者估计对象并不完全相同。不能看哪种方法 p 更小就选哪一种，也不能用每组各做一次配对 t 检验代替正式的组间变化差异检验。

方法选择取决于估计目标

研究问题	更直接的方法
控制基线后比较后测	ANCOVA
比较个体变化量的组间差异	change score 回归/组间比较
只看同一批人总体前后是否变化	配对 t 检验
多时间点、失访或随机效应	混合效应模型等纵向方法

随机试验中，ANCOVA 往往能利用基线与后测相关性提高精度；但回归斜率同质、线性关系、残差结构和基线测量质量仍需检查。变化值可能更贴近“改善多少”的问题，却会受基线测量误差和回归均值影响。观察性研究不能因为做了基线调整就自动获得因果解释。

ChatSRS 当前 ANCOVA 的真实范围

ancova 接收一个分组变量、一个后测因变量和一个或多个协变量，完整案例至少 10 行。它使用 statsmodels OLS 与 Type III 平方和，直出：

各组 N、后测原始均值和标准差；
每个协变量与组别的回归斜率同质性检验；
ANCOVA 的 SS、df、MS、F、p 和偏 η²；
协变量固定在总体均值时的调整均值与 SE；
三组及以上时可做 LSD 或 Bonferroni 调整均值两两比较及 95% CI。

**边界：**同质性检验 p≥.05 只是未观察到明显违反，不是证明假设成立。当前两组 ANCOVA 不额外输出组间调整均值差的 CI；残差图、正态性与方差诊断也不在该 formatter 的直接字段中。

当前没有专用 change-score analyzer

ChatSRS 当前没有名为“变化值分析”的专用分析器。生成变化值前必须核对方向；本文统一定义为 change=post-pre，然后把 change 作为连续因变量，用当前线性回归比较已正确编码的组别，并按计划加入基线或其他协变量。

当前 regression 直出 B、SE、Beta、t、p、VIF、容差、R²、调整R²、F、D-W 和 N，不直接输出系数 CI、残差图或影响点诊断。若这些字段是论文硬要求，应使用经过验证的补充实现。

paired_ttest 只能对成对列比较总体前后均值，直出均值、SD、均值差、t、p；详细模式增加差值 SD 与 Cohen's d_av。它不检验“处理组变化减去控制组变化”，也不能代替 ANCOVA。

可复核输入示例

假设 training_trial.xlsx 每行一人，group 为 0=control、1=training，score_pre 和 score_post 为同一量表。

ANCOVA 指令：

以 score_post 为因变量、group 为分组变量、score_pre 为协变量做 ANCOVA。报告原始均值、group×score_pre 斜率同质性、Type III 主表、group 的 F/p/偏η²以及调整均值与 SE。若斜率明显不同，不继续用共同斜率主模型下结论。

变化值指令：

先可复核生成 change=score_post-score_pre，检查方向、缺失和异常范围。以 change 为因变量、数值编码 group 为自变量做全进入线性回归；报告 group 的 B/SE/Beta/t/p、模型 R²/F/D-W/N。明确当前没有专用 change-score analyzer，也不直出 B 的 CI 或残差图。

输出怎么解释

演示性 ANCOVA 可以写：“控制 score_pre 后，group 主效应 F(1,[df])=[ ]，p=[ ]，偏η²=[ ]；两组调整均值分别为 [ ] 与 [ ]。”不要把原始后测均值当调整均值。

变化值回归中，若 group 的 B=2.4（演示），含义是按 post-pre 定义，training 组平均变化比 control 组高 2.4 分；若 group 编码或差值方向反转，符号也会改变。单组配对检验一个显著、一个不显著，不等于两组变化差异显著。

缺失、随机化与敏感性复核

先比较前测缺失、后测失访和完整案例在各组的分布。当前三条路径都不会自动证明缺失机制可忽略；若失访与组别或结局相关，完整案例 ANCOVA 与变化值回归都可能偏离目标人群。随机试验还应按原分组分析，不能依据后测完成情况重新分组。基线极端不平衡时，不要用基线显著性决定是否调整，而应检查随机过程、测量和预设方案。若主要结论对 ANCOVA 与变化值定义敏感，应同时报告估计对象差异，而不是称其中一个为“稳健性胜出”。多时间点或不规则随访则应转向明确建模相关结构和失访处理的纵向方法。

无论选择哪条主路径，都应保留前测、后测和变化值的描述统计，使读者能核对方向与量纲。若量表在前后测间改变版本或计分规则，数值差不能直接解释为真实变化。返修时应把主要分析与补充敏感性分析分开，避免用多个近似问题的 p 值堆叠同一结论。

论文写作模板

本研究事前将主要分析设为 [ANCOVA/变化值组间比较]。
ANCOVA 以 post 为因变量、group 为分组因素、pre 为协变量，并检查组别×基线斜率。
或定义 change=post-pre，以 change 为因变量比较组别，完整报告编码与缺失规则。
结果报告实际直出字段；两组分别配对检验仅作组内描述，不替代组间检验。

常见问题 FAQ

Q1：基线不显著就可以不调整吗？

不能按基线 p 值决定。是否调整应依据设计和预先分析计划。

Q2：两组各自配对 t 都显著，能说干预有效吗？

不能。需要直接检验组间差异或时间×组别交互。

Q3：ANCOVA 一定比变化值分析好？

不是。两者目标、假设和对测量误差的敏感性不同，应事前决定。

Q4：当前可以一键做专用 change-score 分析吗？

没有专用 analyzer。必须显式生成变化值，再用匹配研究设计的回归或组间方法。