连续变量作为自变量和协变量你好呀，
我试图了解如何在 JMP 中将连续变量定义为独立变量或协变量，并在拟合模型平台中使用它们。
我目前的理解是，除非将设计角色定义为连续变量的协变量，否则它是独立的。并且，基于F检验的模型显着性检验称为方差分析。
如果将连续变量定义为协变量，则模型显着性检验称为ANCOVA。
基于上述理解，我使用最小二乘平台使用样本数据“美国人口统计”拟合模型，以使用“地区”、“高中毕业生”及其交互来响应“八年级数学”。
出于数学目的，“高中毕业生”被视为自变量。
在第一次分析过程中，“高中毕业生”按原样使用，没有定义任何设计角色（独立）。
在第二次分析中，“高中毕业生”被定义为设计角色中的协变量。
f 检验的 p 值和参数估计、模型的估计值和 SS 以及误差对于第一次和第二次分析是相同的。 我预计模型误差项、模型的 p 值和参数估计的 p 值会存在一些差异。
是否是特定于能源部的设计角色选项（如果是）。 如何将连续因子定义为独立因子或协变量以在最小二乘/拟合模型中使用。
谢谢！！
消费者和市场研究回复：连续变量作为自变量和协变量谢谢马克！
通过方差分析中包含连续变量，我们可以进行协方差分析 (ANCOVA)。
保质期预测模型 SS（其中时间是协变量）和默认方差分析观察到的差异是由于所使用的 SS 类型造成的。 这是我错过的地方。
谢谢你！！回复：连续变量作为自变量和协变量术语协变量可能很难理解，因为它的解释取决于它的使用方式（上下文）。 在数据已经存在的回归应用程序中，协变量通常只是一个连续的自变量（在 ANCOVA 中，其他自变量是可能绝对）。 出于 DOE 的目的，协变量是通常一个被测量但未被专门操纵的自变量（通常因为协变量是噪声，是一个不愿意控制的变量）。 通过计算/分配模型中的协变量，您可以提高检测设计因素影响的精度。
例如，如果您正在进行实验并且担心环境温度的影响。 您不愿意管理环境温度，因此您采用环境温度。每次运行实验期间的测量。 当您编写模型时，您需要添加环境温度。作为协变量（通常将协变量放在模型中的第一位，并使用顺序检验（类型 1）来确定其显着性。 对模型效果的其余部分使用部分测试（类型 3）。）。 这将考虑环境温度的影响（否则将在误差项中捕获）。 通过从误差项中消除这些影响（降低的 MSE），您可以提高测试实验中因素的精度。
回复：连续变量作为自变量和协变量您不需要定义任何东西。 选择“分析”>“拟合模型”后，简单地将自变量（数据列）转换为“效应”角色。 我假设数据列被定义为数字数据类型和连续建模类型。 您可以通过选择数据列，然后选择列 > 列信息来验证类型。
设计角色 = 协变量是一个列属性，通常在您使用 JMP 设计实验并添加协变量因子时自动创建。 在这种情况下，术语“协变量因子”特指随运行时间共同变化的变量，其水平是预先确定的，并且其影响将在模型中估计。
为什么您会期望回归分析得到不同的结果？
