统计百科 · 2026-06-24

ANCOVA 协变量调整后均值（EMM）的 APA 报告怎么写？— 调整均值、F 检验、偏 eta 平方、协变量假设全解

统计百科：专攻 ANCOVA 协方差分析的 APA 7th 报告格式——协变量调整后均值（EMM/M_adj）、组别 F 检验、偏 eta 平方效应量、回归斜率齐性与线性假设检验，给出可直接套进论文的完整模板与常见错误对照。

ANCOVA 的 APA 报告难点不在跑软件，而在"调整后均值写哪儿、协变量假设检验怎么交代、偏 eta 平方和普通 eta 平方选哪个"这三件事。本文只讲 ANCOVA 报告这一具体格式，给出可抄进论文的完整 APA 7th 模板，并逐一列出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：

"报告了原始均值，但 ANCOVA 应该报告协变量调整后的估计边际均值（EMM/M_adj）"
"协变量假设检验（回归斜率齐性、线性关系）没有交代"
"效应量写的是 eta 平方，ANCOVA 应报告 partial eta 平方"
"调整后均值没有给出标准误（SE）和置信区间"
"组别 F 检验自由度写错了，ANCOVA 的误差 df 需减去协变量个数"
"协变量本身是否显著没有报告"

这些问题集中在 APA Publication Manual 第七版关于协方差分析报告的具体规则上。本文专攻 ANCOVA 报告格式，默认你已了解 p 值不加前导零（.032 而非 0.032）等基础规则。

如果你还没看过姊妹篇 F 值的 APA 7th 报告写法，建议先读那篇，本文不再重复基础格式规则。

一、ANCOVA 核心概念回顾：为什么要报告调整后均值

什么是协变量（Covariate）

协变量是 ANCOVA 中用于"统计控制"的连续变量，通常是：

前测成绩（控制入组基线差异）
年龄、智力、焦虑程度等个体差异变量
实验前的测量值（消除因随机分组不完美导致的组间偏差）

ANCOVA 的逻辑是：从因变量的总变异中"扣除"协变量所能解释的部分，再检验组别效应。这样，组别效应是在统计控制了协变量之后的净效应，比普通 ANOVA 更精准。

什么是调整后均值（EMM / M_adj）

估计边际均值（Estimated Marginal Means，EMM），又称调整后均值（Adjusted Means，M_adj），是将协变量固定在某一代表值（通常是全样本均值）后，各组因变量的预测均值。

$M_{adj} = \bar{Y}{group} - \hat{b} \cdot (\bar{X}{group} - \bar{X}_{grand})$

其中 $\hat{b}$ 是协变量的组内回归系数，$\bar{X}{group}$ 是该组协变量均值，$\bar{X}{grand}$ 是总体协变量均值。

为什么 ANCOVA 一定要报告调整后均值而非原始均值？

各组的原始均值已经包含了协变量差异的影响——如果实验组入组时成绩就更高，原始均值差异部分来自这个"起点优势"，而非干预效果。调整后均值才真正代表"假设各组协变量相同时的组间差异"，是 ANCOVA 的核心结论。报告原始均值而不报调整后均值，是 ANCOVA 报告的重大格式错误。

二、ANCOVA 的三大假设检验（先于主效应报告）

在报告组别主效应之前，APA 规范要求先报告 ANCOVA 的前提假设检验结果，通常包含三项：

假设一：回归斜率齐性（Homogeneity of Regression Slopes）

含义：协变量与因变量的回归关系在各组中斜率相同（不存在协变量 × 组别的交互效应）。若斜率不齐，说明协变量对各组的"调整量"不一样，ANCOVA 调整后均值的可比性存疑。

检验方法：在模型中加入"协变量 × 组别"交互项，检验该交互项是否显著。

APA 报告格式：

回归斜率齐性假设以协变量与组别的交互项进行检验，结果不显著，
F(k-1, N-k-c-(k-1)) = X.XX, p = .XXX，满足斜率齐性假设。
（注：含 k-1 个交互项的扩充模型误差 df = N - k - c - (k-1)；
当 k=2、c=1 时化简为 N-4，即 N-k-c-1。）

或不满足时：

回归斜率齐性假设检验显示交互项显著，F([df]) = X.XX, p = .XXX，
斜率齐性假设不成立；各组斜率分别为...，建议改用 Johnson-Neyman
分析或分组回归报告结果（Wilcox，2017）。

假设二：协变量与组别的独立性

含义：协变量不应受到实验操纵的影响（即组别不应显著预测协变量）。若协变量是"后测"而非"前测"，则可能已经被干预影响，不适合作协变量。

检验方法：以组别为自变量、协变量为因变量做单因素 ANOVA 或 t 检验。

APA 报告格式：

协变量独立性检验结果显示，两组在前测成绩上无显著差异，
t([df]) = X.XX, p = .XXX，满足协变量独立性假设。

假设三：协变量与因变量的线性关系

含义：协变量对因变量应具有线性预测关系；若是曲线关系，线性协变量调整会不准确。

检验方法：绘制散点图，或在模型中加入协变量的平方项检验。

APA 报告格式：

散点图显示协变量（前测成绩）与因变量（后测成绩）之间呈线性关系，
满足 ANCOVA 线性假设。

三、自由度怎么算：ANCOVA 的 df 与 ANOVA 有何不同

ANCOVA 中，每加入一个协变量，误差自由度就减少 1，因为模型需要估计额外的回归系数。

设：

$k$ = 组数
$c$ = 协变量个数
$N$ = 总样本量

来源	df
组别（Between Groups）	$k - 1$
协变量（Covariate）	$c$（每个协变量 1 个 df）
误差（Error）	$N - k - c$
总计	$N - 1$

单协变量的典型示例（2组，1个协变量，N = 74）：

来源	df
组别	1
协变量	1
误差	71（= 74 - 2 - 1）
总计	73

常见错误：把误差 df 写成 N - k（忽略协变量消耗的 df），导致 F 值自由度报告有误。

四、APA 7th 格式规范：ANCOVA 报告必须包含的要素

必报要素清单

要素	格式	示例
假设检验结果	斜率齐性、协变量独立性	分别报告 F 或 t，p 值
协变量效应	F(1, N-k-c), p, partial eta^2	F(1, 71) = 38.72, p < .001, partial eta^2 = .353
组别主效应	F(k-1, N-k-c), p, partial eta^2	F(1, 71) = 28.46, p < .001, partial eta^2 = .286
各组调整后均值	M_adj = XX, SE = X.XX	M_adj = 78.91, SE = 1.47
置信区间（可选但推荐）	95% CI [LL, UL]	95% CI [76.00, 81.82]
原始均值与 SD（对照用）	M = XX, SD = XX	M = 77.3, SD = 8.5

p 值与 F 值的精度要求

与所有 F 检验相同：

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 改为 p < .001
调整后均值报告两位小数：M_adj = 78.91

五、APA 7th ANCOVA 完整报告模板

模板一：单协变量、两组设计（最常见）

情形：实验组（n = 37）与对照组（n = 37），前测为协变量，后测为因变量。

完整报告段落模板：

分析前，以协变量与组别的交互项检验回归斜率齐性假设，结果不显著，
F(1, [N-k-c-1]) = X.XX, p = .XXX，满足斜率齐性假设。
独立样本 t 检验显示两组前测成绩无显著差异，
t([N-k]) = X.XX, p = .XXX，满足协变量独立性假设。

以[协变量名]为协变量的单因素协方差分析（ANCOVA）结果如下：
协变量效应显著，F(1, [N-k-c]) = X.XX, p [值], partial eta^2 = .XX，
表明[协变量名]对[因变量名]具有显著预测作用。
控制[协变量名]后，组别主效应显著，
F([k-1], [N-k-c]) = X.XX, p [值], partial eta^2 = .XX，为[大小]效应
（Cohen，1988：.01 = 小效应，.06 = 中效应，.14 = 大效应）。

调整后均值比较显示，实验组（M_adj = XX, SE = X.XX, 95% CI [LL, UL]）
显著[高于/低于]对照组（M_adj = XX, SE = X.XX, 95% CI [LL, UL]）。

填入数值的示例：

分析前，以协变量（前测成绩）与组别的交互项检验回归斜率齐性假设，结果不显著，F(1, 70) = 0.48，p = .490，满足斜率齐性假设。独立样本 t 检验显示，两组前测成绩无显著差异，t(72) = 0.37，p = .714（实验组：M = 63.2，SD = 8.1；对照组：M = 62.8，SD = 7.9），满足协变量独立性假设。

以前测成绩为协变量的单因素协方差分析（ANCOVA）结果显示，协变量效应显著，F(1, 71) = 38.72，p < .001，partial eta^2 = .353，表明前测成绩对后测成绩具有显著预测作用。控制前测成绩后，组别主效应显著，F(1, 71) = 28.46，p < .001，partial eta^2 = .286，为大效应（Cohen，1988）。调整后均值比较显示，实验组（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]），调整后均值差为 11.68（p < .001）。

模板二：单协变量、多组设计（三组及以上）

情形：三种干预方案（A/B/C），前测为协变量，后测为因变量，各组 n = 30，N = 90。

完整报告段落模板：

回归斜率齐性假设检验不显著，F([k-1], [N-k-c-(k-1)]) = X.XX, p = .XXX，
（含 k-1 个交互项后，误差 df 在基础误差 N-k-c 基础上再减 k-1，即 N-k-c-(k-1)）
协变量独立性假设通过单因素 ANOVA 确认，F([k-1], [N-k]) = X.XX, p = .XXX。

单因素协方差分析（One-Way ANCOVA）结果显示，
协变量效应显著，F(1, [N-k-1]) = X.XX, p [值], partial eta^2 = .XX；
控制协变量后，组别主效应显著，
F([k-1], [N-k-1]) = X.XX, p [值], partial eta^2 = .XX。

事后多重比较（Bonferroni 校正）显示：
[组A]（M_adj = XX, SE = X.XX）显著[高于/低于][组B]（M_adj = XX, SE = X.XX），
均值差 = X.XX（95% CI [XX, XX], p [值]）；
[其余显著对比]；[不显著对比]未达显著（p > .05）。

填入数值的示例：

回归斜率齐性假设以交互项检验，未达显著，F(2, 84) = 0.62，p = .540。前测成绩的组间差异不显著，F(2, 87) = 0.14，p = .870，满足协变量独立性假设。

单因素协方差分析结果显示，协变量（前测成绩）效应显著，F(1, 86) = 42.31，p < .001，partial eta^2 = .330；控制前测后，干预方案主效应显著，F(2, 86) = 16.74，p < .001，partial eta^2 = .280，为大效应。Bonferroni 事后多重比较显示，方案 A（M_adj = 82.4，SE = 1.6）和方案 B（M_adj = 79.1，SE = 1.5）均显著高于方案 C（M_adj = 70.3，SE = 1.7），均值差分别为 12.1（p < .001）和 8.8（p = .002）；方案 A 与方案 B 之间的差异未达显著（均值差 = 3.3，p = .180）。

模板三：多协变量设计

情形：两组，年龄（连续）和前测（连续）两个协变量，N = 120。

关键差异：误差 df = N - k - c = 120 - 2 - 2 = 116；每个协变量分别报告 F。

完整报告段落模板：

以[协变量1]和[协变量2]为协变量的单因素协方差分析（ANCOVA）结果：
[协变量1]效应显著，F(1, [N-k-c]) = X.XX, p [值], partial eta^2 = .XX；
[协变量2]效应[显著/不显著]，F(1, [N-k-c]) = X.XX, p = .XXX, partial eta^2 = .XX。
控制上述两个协变量后，组别主效应显著，
F([k-1], [N-k-c]) = X.XX, p [值], partial eta^2 = .XX。
实验组调整后均值（M_adj = XX，SE = X.XX）显著[高于/低于]
对照组（M_adj = XX，SE = X.XX）。

填入数值的示例：

以年龄和前测成绩为协变量的单因素协方差分析显示，前测成绩效应显著，F(1, 116) = 44.18，p < .001，partial eta^2 = .276；年龄效应不显著，F(1, 116) = 1.94，p = .167，partial eta^2 = .016。控制上述两个协变量后，组别主效应显著，F(1, 116) = 22.37，p < .001，partial eta^2 = .162，为大效应。实验组调整后均值（M_adj = 76.4，SE = 1.31，95% CI [73.8, 79.0]）显著高于对照组（M_adj = 67.8，SE = 1.38，95% CI [65.1, 70.5]）。

六、方法章节如何描述 ANCOVA

标准方法章节描述（单协变量、两组）

采用单因素协方差分析（One-Way ANCOVA）检验[干预/组别]对[因变量]的效应，
以[协变量名]为协变量以控制入组基线差异。
分析前检验回归斜率齐性（协变量 × 组别交互项）和协变量独立性假设；
协变量与因变量之间的线性关系通过散点图确认。
效应量报告偏 eta 平方（partial eta^2），参照 Cohen（1988）标准
（.01 = 小效应，.06 = 中效应，.14 = 大效应）。
事后多重比较（若三组及以上）采用 Bonferroni 方法校正。
统计分析使用 ChatSRS（R 引擎），显著性水平设为 alpha = .05。

七、在 ChatSRS 一句话获得规范 ANCOVA 报告

打开 chatsrs.com，上传数据后输入：

"对实验组和对照组的后测成绩做单因素 ANCOVA，以前测成绩为协变量；先检验回归斜率齐性假设和协变量独立性假设，再做主分析；输出各组调整后均值（EMM）、SE 和 95% CI、协变量 F 值、组别 F 值（含两个自由度）、p 值、partial eta 平方效应量，并给出符合 APA 7th 格式的完整报告段落。"

ChatSRS 返回的段落即为上文示例格式，自动填入数值、交代假设检验、给出调整后均值和置信区间，可直接复制进论文。

如需三组以上 ANCOVA 或多个协变量，在指令中说明设计类型，ChatSRS 自动切换报告模板并处理 Bonferroni 事后比较。

八、ANCOVA 报告常见错误对照表

常见错误	正确写法	违反的规则
报告原始均值而非调整后均值	必须报告 M_adj + SE + 95% CI	ANCOVA 核心输出是 EMM
不检验回归斜率齐性假设	先报告斜率齐性交互项 F，p 值	ANCOVA 前提假设必须交代
忽略协变量本身的 F 检验	分别报告协变量 F 和组别 F	协变量是否显著需单独报告
误差 df 未减去协变量 df	df_error = N - k - c（而非 N - k）	每个协变量消耗 1 个 df
效应量报告 eta^2（非偏）	ANCOVA 必须报告 partial eta^2	多因素/协变量设计用偏值
只说"调整后"不给数值	M_adj = 78.91, SE = 1.47	APA 要求报告具体数值
p = .000	p < .001	.000 是舍入假值
p = 0.032	p = .032	APA 不加前导零
忽略协变量独立性检验	报告前测组间 t 检验或 ANOVA 结果	协变量需先于干预存在

九、EMM 表格怎么呈现

APA 7th 建议在文字报告之外，用表格呈现各组的原始均值、调整后均值和相关信息。标准三线表格式：

表 X. 各组后测成绩的原始均值与协变量调整后估计边际均值

组别	n	M（原始）	SD	M_adj	SE	95% CI
实验组	37	77.3	8.5	78.91	1.47	[76.00, 81.82]
对照组	37	68.1	9.2	67.23	1.53	[64.19, 70.27]

注. M_adj = 协变量（前测成绩）固定在总样本均值（M = 63.0）后的估计边际均值。

常见 FAQ

Q：ANCOVA 的协变量一定要连续变量吗？可以用二分类变量作协变量吗？

A：ANCOVA 的协变量通常是连续变量（如前测、年龄、智力分数）。二分类变量（如性别）也可以加入模型，但此时 ANCOVA 实质上变成了包含组别 × 二分类变量的双因素模型，统计意义更接近于控制变量的双因素 ANOVA。如果确实需要控制性别影响，建议在方法章节明确说明"以性别为哑变量协变量"，并分别报告性别效应的 F 值；不建议将性别称为"协变量"而不加说明，容易让读者误解为连续协变量。

Q：斜率齐性假设不成立时，ANCOVA 还能用吗？

A：若斜率齐性假设不成立（即协变量 × 组别交互项显著），标准 ANCOVA 的调整后均值会产生误导——调整量在各组不同，"控制协变量后的组别差异"本身因协变量值不同而不同。此时有几种处理方案：(1) 报告 Johnson-Neyman 分析，说明在协变量哪些取值范围内组别差异显著；(2) 在各协变量典型值处分别估计组别差异（pick-a-point 法）；(3) 改用分层回归，将组别 × 协变量交互效应直接解释为调节效应。无论选哪种方案，均需在方法/结果章节明确说明假设不成立及其处理方式。

Q：ANCOVA 的 partial eta^2 和 ANOVA 的 partial eta^2 标准一样吗？

A：判断效应大小的 Cohen（1988）标准相同：.01 = 小效应，.06 = 中效应，.14 = 大效应。但值得注意的是，ANCOVA 通过控制协变量减小了误差方差（SS_error 变小），因此在实验设计不变的情况下，ANCOVA 得到的 partial eta^2 通常大于未控制协变量的 ANOVA 的 partial eta^2。这是 ANCOVA 提升统计功效的体现，不是计算错误。报告时应明确说明效应量是"控制[协变量]后的组别效应 partial eta^2"，与纯 ANOVA 结果不可直接对比。

Q：调整后均值比原始均值高（或低）很多，正常吗？

A：正常，且差距大小取决于两个因素：(1) 各组在协变量上的差异大小；(2) 协变量与因变量的回归系数强度。当某组协变量均值明显低于总样本均值时，该组的调整后均值会高于原始均值（"向上调整"），反之亦然。这正是 ANCOVA 的目的——消除因各组协变量基线不等带来的均值偏差。若调整前后均值差距极大，通常意味着各组基线差异较大，此时更应该在报告中同时呈现原始均值和调整后均值，让读者看到调整幅度，并在讨论中解释其含义。

Q：ANCOVA 结果需要做功效分析（power analysis）吗？

A：建议在方法章节简要报告。对于 ANCOVA，样本量计算通常比 ANOVA 更宽松——协变量的引入降低了误差方差，相当于提升了统计功效，因此达到同等功效所需的样本量更少。事后功效分析（post hoc power）可以在 G*Power 中选"ANCOVA: Fixed effects, main effects and interactions"，输入实际 partial eta^2、alpha、样本量和协变量个数来计算观察功效（observed power），并在结果章节报告：如"基于 partial eta^2 = .286 的观察统计功效为 .94（alpha = .05）"。

你的 ANCOVA 报告有这些问题吗？

一、ANCOVA 核心概念回顾：为什么要报告调整后均值

什么是协变量（Covariate）

什么是调整后均值（EMM / M_adj）

二、ANCOVA 的三大假设检验（先于主效应报告）

假设一：回归斜率齐性（Homogeneity of Regression Slopes）

假设二：协变量与组别的独立性

假设三：协变量与因变量的线性关系

三、自由度怎么算：ANCOVA 的 df 与 ANOVA 有何不同

四、APA 7th 格式规范：ANCOVA 报告必须包含的要素

必报要素清单

p 值与 F 值的精度要求

五、APA 7th ANCOVA 完整报告模板

模板一：单协变量、两组设计（最常见）

模板二：单协变量、多组设计（三组及以上）

模板三：多协变量设计

六、方法章节如何描述 ANCOVA

标准方法章节描述（单协变量、两组）

七、在 ChatSRS 一句话获得规范 ANCOVA 报告

八、ANCOVA 报告常见错误对照表

九、EMM 表格怎么呈现

常见 FAQ

相关阅读