调整变量（年龄、体重、性别、BMI 等）我正在运行单向方差分析，正在寻找一种解决方案来根据我的人口统计变量（年龄、体重等）匹配/调整分析。
对此有什么解决办法吗？
最好的，
京东
回复：调整变量（年龄、体重、性别、BMI 等）你好
你找到答案了吗？
我需要根据年龄和性别调整变量，我正在使用 SPSS 和 R。
能分享下你的方法吗？
发件人
呃。
回复：调整变量（年龄、体重、性别、BMI 等）没有附上图片，所以我不知道你从杠杆图中得到了什么。
回复：调整变量（年龄、体重、性别、BMI 等）你好，
这是我从杠杆图中得到的——我想你指的是
变灰了。 任何想法？
回复：调整变量（年龄、体重、性别、BMI 等）我相信最小二乘均值就是您要找的东西。 他们与杠杆图有关。 它们要么位于“实际值与预测值”图的右侧，要么您可能需要从红色弹出菜单中请求它们。
回复：调整变量（年龄、体重、性别、BMI 等）我正在使用拟合模型进行年龄调整。
你会不会碰巧知道我是否可以获得调整后结果的方法和标准？ 当我执行您描述的过程时，我可以看到调整后变量的 p 值，但看不到它们的分布。 我知道在 SPSS 中这是输出之一。
谢谢回复：调整变量（年龄、体重、性别、BMI 等）你会不会碰巧知道我是否可以获得调整后结果的方法和标准？ 当我执行您描述的过程时，我可以看到调整后变量的 p 值，但看不到它们的分布。 我知道在 SPSS 中这是输出之一。回复：调整变量（年龄、体重、性别、BMI 等）我认为，如果将连续变量转换为离散变量（更好的二进制），则可以使用“分析 > 用 X 拟合 Y”。 例如，对于年龄，取小于/大于 60，对于体重，将人口分为正常体重和肥胖等。无论如何：选择 Glucagon 作为 Y。
回复：调整变量（年龄、体重、性别、BMI 等）- 选择分析>拟合模型.
- 选择基因型然后点击是.
- 选择胰高血糖素和所有的协变量.
- 你期待吗相互作用效应？
- 如果是这样，请单击宏指令并选择度数阶乘(2).
- 如果没有，请单击添加.
- 点击跑步.
回复：调整变量（年龄、体重、性别、BMI 等）泰德，
我正在查看具有 3 个亚型（1:1、1:2、2:2）的基因型，并观察它们与胰高血糖素的关系。
我的基因型是名义上的，我的胰高血糖素是连续的。
我还有其他几个连续变量（协变量），例如：体重、年龄和性别。
我想运行一个 ANCOVA，胰高血糖素作为我的响应变量，我的基因型作为我的因素。 我的协变量如我之前所说。
这会清除它吗？
回复：调整变量（年龄、体重、性别、BMI 等）我将从定义研究目标和目标变量（终点）开始。
回复：调整变量（年龄、体重、性别、BMI 等）查看联机 JMP 手册：拟合线性模型。 请查看第 214 页的“不等斜率协方差分析”示例。 这与您的示例不同，因为您的情况听起来更复杂。 但这会让您了解如何指定模型以及输出可能看起来的一小部分。 几乎任何适用于 JMP 的标准最小二乘多元回归模型都可以看到完整的输出。
虽然你的问题可以简单陈述，但分析起来可能就没那么容易了。 如果很容易，就没有必要在这里讨论了。 有许多问题需要考虑，例如：数据中是否存在共线性？ 数据是否完整或是否存在“差距”？ 有时间相关的影响吗？ 影响是固定的还是随机的？ 是否应该考虑相互作用？ 魔鬼总是在细节中。 需要更多的信息才能确定给出了适当的建议。 您可能希望参考有关线性模型的文本，例如 Kutner、Neter 等人的 Applied Linear Statistical Models。阿尔。
回复：调整变量（年龄、体重、性别、BMI 等）担，
你碰巧有那个过程的输出吗？ 还是循序渐进？ 不考虑陷阱，只是尝试针对几个变量进行调整后的简单分析。
回复：调整变量（年龄、体重、性别、BMI 等）年龄、体重等通常被认为是协变量。 因此，您通常会使用拟合模型而不是用 X 拟合 Y 来进行分析。 您可以将主要预测变量与所有其他可能的人口统计变量一起添加到模型中。 有一些潜在的陷阱会因为篇幅太长而无法在本论坛中进行讨论。 我建议查看线性模型文本。 JMP 还提供有关拟合这些类型模型的课程： https://support.sas.com/edu/schedules.html?ctry=us&crs=JANR
