SPSS 协方差分析的前提条件：回归斜率齐性检验怎么做

协方差分析的前提条件包括设计层面的独立性、协变量的合理时序，以及可检查的线性关系、残差结构和回归斜率齐性。SPSS 是统计软件名称，本文在独立平台 SPSSAI 的演示报告中，先读分组与协变量的交互检验，再解释统一校正斜率下的组间比较。

协方差分析的前提条件与数据角色

以下结果来自本站演示数据（模拟生成，不代表真实研究结论），从 150 行中随机抽取 128 行，随机种子为 5。本例比较治疗方案对应的治疗后评分，年龄(岁)作为协变量；年龄和评分的测量单位保留原样，分组标签用常规治疗与联合治疗。 以原表表头之后首条记录作为数据行起点，移除第 11、15、25、35、36、45、48、59、60、65、85、91、93、102、104、106、124、125、135、142、149、150 行，保持其余行顺序另存表格上传，即可复现本次固定抽样；工作台不会自动按文章种子抽样。

字段	模型角色	研究记录应说明
治疗后评分	定量因变量	评分方向及测量时点
治疗方案	分类分组变量	分组形成过程
年龄(岁)	定量协变量	为何作为校正项

共同斜率模型用同一条协变量关联斜率对不同组作校正，因此回归斜率齐性关系到校正后的组间比较能否用一个共同差异来概括。它不是要求各组原始均值相同，也不是检验协变量在各组的平均值是否相同；先把所检验的关系写清楚，后续结论才有对应对象。

回归斜率齐性检验怎么做

1. 在数据分析中选择「协方差分析」，使用本文所述抽样子集，将治疗后评分放入「放入 [定量] 因变量」，治疗方案放入「放入 [定类] 分组变量」。
2. 将年龄(岁)放入「放入 [定量] 协变量」，核对数值类型与变量角色；本文采用演示场景的主效应模型，不另将评分当作分组或把年龄分箱。
3. 点击开始分析，在前提检验汇总中定位「回归斜率同质性」一行；报告比较主效应模型与增加分组×协变量交互项的模型，读取该嵌套 F 检验。

核心前提检验会出现在报告中，并非要求读者用另一个数据表手工算出斜率后再填写。分析前还要从研究记录确认协变量的测量时点，若协变量本身处于处理之后，将它纳入校正可能改变要估计的研究对象，显著性检验无法替研究者解决这个设计选择。

回归斜率齐性与其他前提如何分开读

本例斜率同质性 F(1, 124)=0.197，p=0.658，表示未检出各组斜率不同的证据；它支持在当前精度下继续考察共同斜率模型，却未证实斜率在总体中完全一样。若该项显著，应考虑保留条件性解释，报告组间差异如何随协变量水平而变化，而非机械沿用一个共同校正差值。

Levene p=0.406，未检出残差方差不齐；残差 Shapiro-Wilk p=0.007，提示偏离正态。两项各自针对不同假设，本例并非所有诊断都通过；应结合残差形态、异常值、样本结构和模型敏感性讨论稳健程度，避免把一个不显著的斜率检验当作全部前提已满足。

图中将需靠研究设计说明的事项与可由报告检查的事项分开，补充了诊断表以外的证据来源。独立性和时序缺少依据时，诊断结果再整齐也不足以扩大解释范围；设计材料应与结果输出共同保存。

原始均值图和校正后边际均值各说明什么

结果图显示未经协变量校正的组均值，适合认识原始组间分布，不应把柱高称作校正后结果。模型在共同年龄基准下的预测比较见边际均值表，常规治疗为 63.639，联合治疗为 69.428；解释时应明确比较口径已固定协变量，而不是把年龄从真实个体身上移除。

截图展示同一报告卡中的效应量部分，校正均值及区间位于该卡下方，可据此区分统计口径。控制年龄的治疗方案检验为 F(1, 125)=18.222，p<0.001，提示本例有调整后的组间差异证据；研究分组若未随机形成，这一结果仍是模型条件下的比较。

论文里如何交代前提与结论边界

可以写成：「在演示样本中拟合含年龄协变量的组间比较模型，分组×年龄的嵌套检验未检出斜率差异。残差正态性诊断提示偏离，故对模型结论保留敏感性与设计方面的限制说明。」之后按研究需要列出各项检验及调整后估计，避免只挑有利的诊断。

• 将斜率未显著写成各组相同：改为未检出斜率差异，并保留精度与样本范围的限制。
• 把原始柱形图当作校正结果：对照边际均值表，注明统一的协变量基准。
• 把缺失的检验结果当作通过：未运行或不可估计应单列状态，先检查数据和模型条件。

分支图保留了统计量无法估计的情形，便于复核人员定位下一步。分析和查看结果不用登录；开通会员后可导出 Word / PDF 报告、使用 AI 解读，导出后仍需把假设检验和设计限制连同结果一起记录。

延伸阅读

• 协方差分析