统计百科 ·
ANCOVA 调整后均值（EMM）与协变量显著性的 APA 报告格式 — 偏η²、组间F、完整模板
统计百科：专攻协方差分析 ANCOVA 的 APA 7th 报告写法——调整后均值（EMM）怎么写、协变量F值和组间F值格式有何区别、偏η²效应量如何报告，给出可直接套用的完整论文报告模板，并盘点审稿人最常挑的 ANCOVA 格式错误。
协方差分析（ANCOVA）在论文里的报告难点不在于跑通计算，而在于格式细节：调整后均值（EMM）和原始均值有什么区别、协变量那行 F 值怎么写、组间效应该用哪个偏 η²、回归斜率齐性前提假设放哪里……本文专攻"ANCOVA 怎么规范写进论文"，给出 APA 7th 所有必报要素的完整模板，并逐一盘点审稿人最常挑的格式错误。
你的 ANCOVA 报告有这些问题吗？
审稿人或导师关于 ANCOVA 报告最常见的反馈：
- "请说明是否检验了回归斜率齐性（homogeneity of regression slopes）假设"
- "调整后均值应报告估计边际均值（EMM）而非协变量均值处的预测值"
- "协变量行的 F 值自由度与组间行的 F 值自由度不同，请核实"
- "效应量应为偏 eta 平方（partial η²），不是 eta 平方"
- "调整后均值须附标准误（SE）和 95% 置信区间，不是 SD"
- "缺少 Levene 方差齐性检验，ANCOVA 也需要此前提检验"
这些错误集中在 APA Publication Manual 第七版关于推断统计报告及 ANCOVA 设计的要求上，但专门针对 ANCOVA 汇总的实操指南并不多。本文只讲一件事：ANCOVA 的调整后均值、协变量 F 值和组间 F 值到底怎么规范写进论文。
如果还没看过姊妹篇 F 值的 APA 7th 报告写法，建议先读那篇，本文默认你已了解 F 值基础格式（两个自由度、p 值不加前导零等），不再重复基础。
一、ANCOVA 是什么，为什么需要特殊的报告格式
协方差分析的核心逻辑
协方差分析（Analysis of Covariance，ANCOVA）= 单因素（或多因素）ANOVA + 一个或多个协变量（covariate）。协变量通常是与因变量高度相关的连续变量（如前测成绩、年龄、智力测验分数），将其纳入模型的目的是：
- 减少组内误差：从误差方差中"剥离"协变量的影响，提高检验统计功效
- 统计控制混淆：控制组间在协变量上的初始差异，使组间比较更公平
- 得到调整后均值：报告在协变量固定于某一特定值（通常是总均值）时，各组的预测均值
正因为 ANCOVA 的因变量已被协变量"调整"，所以组间比较基于的是**调整后均值（Adjusted Means）**而非原始均值。这是 ANCOVA 报告格式与普通 ANOVA 最大的区别。
什么是调整后均值（EMM）
估计边际均值（Estimated Marginal Means，EMM） 是在协变量取某固定值（通常为样本总均值）时，由模型估计出的各组均值。
$\hat{M}_{adj,j} = \bar{Y}_j - \hat{b}(\bar{X}j - \bar{X}{grand})$
其中：
- $\bar{Y}_j$ 是第 j 组的原始因变量均值
- $\hat{b}$ 是协变量在模型中的回归斜率
- $\bar{X}_j$ 是第 j 组的协变量均值
- $\bar{X}_{grand}$ 是样本的协变量总均值
报告时的关键区别：
| 统计量 | 使用场景 | 附带指标 |
|---|---|---|
| 原始均值 M（SD） | ANOVA、描述统计部分 | 标准差 SD |
| 调整后均值 M_adj（SE） | ANCOVA 结果段 | 标准误 SE + 95% CI |
ANCOVA 结果段必须报告调整后均值（M_adj）和标准误（SE），不能用标准差（SD）替代标准误，也不能只报告原始均值。
二、ANCOVA 必须检验的三个前提假设
APA 7th 要求在 ANCOVA 结果段之前说明前提假设检验情况，缺少任何一项都可能被审稿人要求补充。
假设 1：回归斜率齐性（最重要）
协变量与因变量的回归斜率在各组间必须相等（即协变量与分组变量之间不存在交互）。
检验方法：在模型中加入"组别 × 协变量"交互项，若该交互项不显著，则斜率齐性假设成立。
APA 报告格式：
回归斜率齐性假设检验结果显示，组别与前测成绩的交互效应不显著，F(1, 69) = 0.48，p = .490，满足 ANCOVA 斜率齐性假设。
若交互显著（p < .05），说明协变量效应在各组不一致，不宜直接使用 ANCOVA，应改用 Johnson-Neyman 分析或分组回归。
假设 2：协变量与分组变量相互独立
分组变量（实验处理）不应影响协变量的取值。若协变量是实验前测量的基线变量（如前测、年龄），通常天然满足此假设；若协变量在处理实施后测量，则需特别说明。
假设 3：方差齐性与残差正态性
与 ANOVA 相同，用 Levene 检验各组残差方差是否相等；若有必要，检验残差的正态性（Shapiro-Wilk 或 QQ 图）。
三、ANCOVA 的 F 值：协变量行与组间行的区别
这是最容易混淆的地方。一个典型的 ANCOVA 结果表包含两行 F 值，二者含义完全不同：
| 来源 | df | 含义 | 是否为研究主要结果 |
|---|---|---|---|
| 协变量（Covariate） | 1, N-k-1 | 协变量对因变量的线性预测是否显著 | 否（控制变量，报告但非核心） |
| 组别（Group/Treatment） | k-1, N-k-1 | 控制协变量后，各组调整后均值是否有差异 | 是（研究主效应） |
| 误差（Error） | N-k-1 | — | — |
自由度计算规则（单协变量、k 组、总样本 N）：
- 协变量行：F(1, N-k-1)
- 组别行：F(k-1, N-k-1)
- 误差 df = N - k - 1（比普通 ANOVA 多减 1，因为估计了协变量回归系数）
示例：2 组、1 个协变量、N = 74
- 协变量：F(1, 71)
- 组别：F(1, 71)
- 误差 df = 74 - 2 - 1 = 71
示例：3 组、1 个协变量、N = 90
- 协变量：F(1, 86)
- 组别：F(2, 86)
- 误差 df = 90 - 3 - 1 = 86
四、APA 7th 格式规范：ANCOVA 必报要素清单
| 要素 | 格式 | 示例 |
|---|---|---|
| 前提假设检验结果 | 斜率齐性 F + Levene F（均需报告） | 见上文假设 1 格式 |
| 协变量 F 值 | F(1, N-k-1) = X.XX, p, partial η² | F(1, 71) = 38.72, p < .001, partial η² = .353 |
| 组别 F 值（主效应） | F(k-1, N-k-1) = X.XX, p, partial η² | F(1, 71) = 28.46, p < .001, partial η² = .286 |
| 调整后均值（EMM） | M_adj = XX, SE = X.XX, 95% CI [XX, XX] | M_adj = 78.91, SE = 1.47, 95% CI [76.00, 81.82] |
| 各组原始均值（描述统计） | M = XX, SD = XX（分别报告） | M = 77.6, SD = 8.2 |
| 事后比较（若 k ≥ 3 且整体显著） | 基于调整后均值的成对比较 | Bonferroni 校正 p < .05 |
p 值与 F 值精度要求
与所有 F 值报告相同：
- F 值精确到两位小数：F = 28.46
- p 值精确到三位小数，不加前导零：p = .032
- p = .000 改写为 p < .001
- partial η² 精确到三位小数：partial η² = .286
五、效应量：ANCOVA 用偏 eta 平方
ANCOVA 是多因素设计（含协变量），必须报告 partial η²（偏 eta 平方），不能用 eta²。
$\text{partial }\eta^2 = \frac{SS_{effect}}{SS_{effect} + SS_{error}}$
分母只包含该效应的 SS 与误差 SS，反映"控制协变量后"组别效应的独立贡献。
Cohen（1988）效应大小标准（与多因素 ANOVA 相同）：
| 效应大小 | partial η² |
|---|---|
| 小效应 | .01 |
| 中效应 | .06 |
| 大效应 | .14 |
注意：协变量行和组别行各自有独立的 partial η²，两者都需报告（协变量的 partial η² 验证了控制变量的有效性）。
六、完整 APA 报告模板
场景一：单协变量、2 组 ANCOVA（最常见）
情形：前后测实验设计，以前测成绩为协变量，实验组（n = 37）vs. 对照组（n = 37），后测为因变量，N = 74。
完整报告段落模板：
首先检验 ANCOVA 前提假设。Levene 方差齐性检验未达显著，
F(1, 72) = X.XX, p = .XXX，残差方差齐性假设成立。
回归斜率齐性检验结果显示，组别与[协变量]的交互效应不显著，
F(1, [N-k-2]) = X.XX, p = .XXX，满足 ANCOVA 斜率齐性假设。
以[协变量名]为协变量，[因变量名]为因变量，进行单因素协方差分析（ANCOVA）。
协变量效应显著，F(1, [N-k-1]) = X.XX, p [值], partial η² = .XX，
表明[协变量名]对[因变量名]具有显著的线性预测作用。
控制[协变量名]后，组别主效应显著，F([k-1], [N-k-1]) = X.XX, p [值],
partial η² = .XX，为[大小]效应。
[实验组]调整后均值（M_adj = XX, SE = X.XX, 95% CI [XX, XX]）
显著[高于/低于][对照组]（M_adj = XX, SE = X.XX, 95% CI [XX, XX]）。
填入数值的示例：
首先检验 ANCOVA 前提假设。Levene 方差齐性检验未达显著，F(1, 72) = 1.24，p = .269，残差方差齐性假设成立。回归斜率齐性检验结果显示，组别与前测成绩的交互效应不显著，F(1, 70) = 0.48，p = .490，满足 ANCOVA 斜率齐性假设。
以前测成绩为协变量，后测成绩为因变量，进行单因素协方差分析（ANCOVA）。协变量（前测成绩）效应显著，F(1, 71) = 38.72，p < .001，partial η² = .353，表明前测成绩对后测成绩具有显著线性预测作用。控制前测成绩后，组别主效应显著，F(1, 71) = 28.46，p < .001，partial η² = .286，为大效应（Cohen，1988）。实验组调整后均值（M_adj = 78.91，SE = 1.47，95% CI [76.00，81.82]）显著高于对照组（M_adj = 67.23，SE = 1.53，95% CI [64.19，70.27]）。
场景二：单协变量、3 组 ANCOVA（含事后比较）
情形：3 种干预方案（A/B/C），以基线评分为协变量，结果评分为因变量，N = 90，每组 30 人。
完整报告段落模板：
以[协变量名]为协变量，[因变量名]为因变量，进行单因素协方差分析。
协变量效应显著，F(1, 86) = X.XX, p [值], partial η² = .XX。
控制[协变量名]后，组别主效应显著，F(2, 86) = X.XX, p [值],
partial η² = .XX，为[大小]效应。
以 Bonferroni 方法校正的事后成对比较（基于调整后均值）显示，
[A 组]（M_adj = XX, SE = X.XX）显著[高于/低于][C 组]（M_adj = XX, SE = X.XX），
均值差 = X.XX（95% CI [XX, XX]），p [值]；
[A 与 B 组]差异未达显著（p = .XXX）。
填入数值的示例：
以基线评分为协变量，干预后评分为因变量，进行单因素协方差分析。协变量（基线评分）效应显著，F(1, 86) = 52.31，p < .001，partial η² = .378。控制基线评分后，干预方案主效应显著，F(2, 86) = 14.83，p < .001，partial η² = .257，为大效应（Cohen，1988）。以 Bonferroni 方法校正的事后成对比较（基于调整后均值）显示，方案 A（M_adj = 84.2，SE = 1.38）的调整后均值显著高于方案 C（M_adj = 73.6，SE = 1.41），均值差 = 10.6（95% CI [6.8，14.4]），p < .001；方案 A 与方案 B（M_adj = 80.1，SE = 1.35）的差异未达显著（p = .072）。
场景三：双协变量 ANCOVA
情形：2 个协变量（年龄 + 前测），k = 3 组，N = 120。
自由度规则：每增加 1 个协变量，误差 df 减少 1，即误差 df = N - k - (协变量个数)。
报告格式要点：
以[协变量1]和[协变量2]为协变量，进行单因素协方差分析。
[协变量1]效应显著，F(1, [N-k-c]) = X.XX, p [值], partial η² = .XX；
[协变量2]效应显著，F(1, [N-k-c]) = X.XX, p [值], partial η² = .XX。
控制两协变量后，组别主效应显著，F([k-1], [N-k-c]) = X.XX, p [值],
partial η² = .XX。
（c = 协变量个数 = 2；N = 120，k = 3，c = 2，误差 df = 120 - 3 - 2 = 115）
七、在 ChatSRS 一句话获得规范 ANCOVA 报告
打开 chatsrs.com，上传数据后输入：
"以前测成绩为协变量，对实验组和对照组的后测成绩做 ANCOVA；先检验 Levene 方差齐性和回归斜率齐性假设；输出协变量 F 值（含自由度和 partial η²）、组间 F 值（含自由度和 partial η²）、各组调整后均值（EMM，含 SE 和 95% CI），并给出符合 APA 7th 格式的完整报告段落。"
ChatSRS 的输出段落即为上文示例格式，调整后均值（EMM）、标准误、置信区间和效应量自动计算填入，可直接复制进论文。
如需 3 组或多协变量设计，在指令中说明组数和协变量，ChatSRS 自动切换对应自由度和事后比较方法。
八、方法章节怎么说明使用了 ANCOVA
标准方法章节描述（单协变量 ANCOVA）
采用单因素协方差分析（ANCOVA）检验[自变量]对[因变量]的影响，
以[协变量名]作为协变量以控制[解释原因，如组间基线差异/潜在混淆变量]。
分析前检验两项 ANCOVA 前提假设：(1) 以 Levene 方法检验各组残差方差齐性；
(2) 通过在模型中加入"组别 × 协变量"交互项检验回归斜率齐性。
调整后均值以估计边际均值（EMM）报告，附标准误（SE）和 95% 置信区间。
效应量报告偏 eta 平方（partial η²），参照 Cohen（1988）标准
（.01 = 小效应，.06 = 中效应，.14 = 大效应）。
若整体 F 检验显著且组数 k ≥ 3，以 Bonferroni 方法进行事后成对比较。
统计分析使用 ChatSRS（R 引擎），显著性水平设为 α = .05。
九、ANCOVA 报告常见错误对照表
| 常见错误 | 正确写法 | 违反的规则 |
|---|---|---|
| 结果段只报告原始均值 M（SD） | 结果段报告调整后 EMM（SE，95% CI） | ANCOVA 结果必须基于调整后均值 |
| 协变量 F 的 df 与组间 F 相同 | 协变量 df1 = 1，组间 df1 = k-1 | 各行 df1 由来源决定 |
| 误差 df 未减去协变量个数 | 误差 df = N - k - c（c 为协变量数） | 每个协变量消耗 1 个 df |
| 报告 eta^2 而非 partial η² | ANCOVA 必须报告 partial η² | 含控制变量的设计专用 partial |
| 未报告回归斜率齐性假设检验 | 前提段落报告交互项 F 和 p | APA 7th 要求前提检验透明报告 |
| 调整后均值附 SD 而非 SE | EMM 应附 SE 和 95% CI | EMM 是估计值，精度用 SE 衡量 |
| 事后比较基于原始均值排名 | 事后比较必须基于 EMM 排名 | 控制协变量后排名可能改变 |
| p = .000 | p < .001 | .000 是舍入假值 |
常见 FAQ
Q：调整后均值（EMM）和协变量均值处的预测值是一回事吗？
A：通常情况下是的。EMM 默认将协变量固定在其样本总均值（grand mean）处，由回归方程预测各组的因变量值。但在不均衡设计（各组协变量均值差异大）或多协变量模型中，EMM 的计算更复杂，涉及边际化处理。报告时统一使用"估计边际均值（EMM）"这一术语，比"调整后均值"更精确，也更符合现代统计软件（R emmeans 包、SPSS GLM）的输出命名。
Q：协变量 F 不显著（p > .05），ANCOVA 还有意义吗？
A：协变量 F 不显著说明协变量对因变量的线性预测力在该样本中未达统计显著，可能意味着：(1) 协变量选择不当，与因变量相关性低；(2) 样本量不足，功效不够。此时 ANCOVA 相对于 ANOVA 的误差减少效果有限（反而多消耗 1 个自由度），部分统计学者建议改回 ANOVA。但如果协变量具有明确的理论依据（如前后测设计中的前测），即使 p 未达显著也保留协变量并如实报告，不需要因为 p > .05 就删除协变量。
Q：ANCOVA 结果段需要同时报告原始均值和调整后均值吗？
A：建议两者都报告，但放在不同位置。原始均值（M，SD）放在描述统计表或结果段的首段，说明各组在未控制协变量时的基本情况；调整后均值（EMM，SE，95% CI）放在 ANCOVA 结果段，作为组间比较的依据。这样读者既能看到原始数据，又能理解控制协变量后的统计差异，是更透明的报告方式。
Q：ANCOVA 里 k ≥ 3 组显著后，事后比较和 ANOVA 一样用 Tukey HSD 吗？
A：不完全一样。ANCOVA 的事后比较基于调整后均值（EMM），不能用针对原始均值的传统 Tukey HSD。推荐方法是 Bonferroni 校正（保守但通用）或 Estimated Marginal Means 框架下的成对比较（R emmeans 包、SPSS "Pairwise comparisons of estimated marginal means"）。报告时需说明：(1) 比较基于调整后均值；(2) 使用了何种多重比较校正方法。写法示例："以 Bonferroni 方法校正的事后成对比较（基于估计边际均值）显示……"
Q：偏 eta 平方值很小（如 partial η² = .032），需要说明这是小效应吗？
A：是的。APA 7th 要求所有效应量都附上效应大小的定性说明，参照 Cohen（1988）标准标注"小效应"、"中效应"或"大效应"。即使效应量很小，也应在括号内注明，例如：partial η² = .032，为小效应（Cohen，1988）。这是帮助读者判断实际显著性（不仅是统计显著性）的重要信息，不因效应量小而省略。
快速参考：ANCOVA 报告格式速查卡
[前提假设检验]
Levene F([k-1], [N-k]) = X.XX, p = .XXX（方差齐性成立/不成立）
斜率齐性：组别 × 协变量 交互 F(k-1, [N-2k]) = X.XX, p = .XXX（满足/不满足）
[协变量行]
协变量名：F(1, [N-k-1]) = X.XX, p [= .XXX / < .001], partial η² = .XX
[组间行（主效应）]
组别：F([k-1], [N-k-1]) = X.XX, p [= .XXX / < .001], partial η² = .XX
[调整后均值（EMM）]
[组名]：M_adj = XX, SE = X.XX, 95% CI [XX, XX]
[事后比较（k >= 3 且整体显著）]
Bonferroni 校正；均值差 = X.XX（95% CI [XX, XX]）, p [值]
[自由度规则]
误差 df = N - k - c（k = 组数，c = 协变量个数）
协变量 df1 = 1；组间 df1 = k-1；两者 df2 = N-k-c（相同）
相关阅读
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。