Die Kovarianzanalyse wird häufig verwendet, um Post-Dosis-Werte zwischen Arzneimittelgruppen zu vergleichen, wobei Kovariaten wie Vor-Dosis-Werte berücksichtigt werden. Traditionell wird bei der Anwendung der Kovarianzanalyse davon ausgegangen, dass es keine Wechselwirkung zwischen den betrachteten Kovariaten und der Arzneimittelgruppe gibt. Es ist auch bekannt, dass Wechselwirkungen zwischen Kovariaten und Arzneimittelgruppen wahrscheinlich auftreten, wenn die beobachtete Reaktion eine Untergrenze aufweist. Bei hochpräzisen Experimenten führt bereits ein geringer Steigungsunterschied zwischen Arzneimitteln tendenziell zu einem statistisch signifikanten Unterschied in der Wechselwirkung. Bei Experimenten mit geringer Präzision kann bereits ein kleiner Steigungsunterschied zu einem statistisch signifikanten Unterschied führen. Selbst wenn dies der Fall wäre, dürfte es sich kaum um einen statistisch signifikanten Unterschied handeln. Wenn Sie im „Fit-Modell“ von JMP eine Interaktion zwischen Kovariaten und Medikamentengruppe in das Modell einbeziehen, wird die Zentrierung automatisch nur auf der Kovariate durchgeführt, und es ist auch möglich, den Mittelwert der kleinsten Quadrate für die Medikamentengruppe auszugeben. Wie sollen wir nun die Mittelwerte der kleinsten Quadrate interpretieren, wenn eine Wechselwirkung vorliegt? Die Kovarianzanalyse kann auch dann angewendet werden, wenn verwirrende Variablen vorhanden sind, es ist jedoch wahrscheinlich, dass eindeutige Wechselwirkungen auftreten. Ich möchte berichten, dass ich neue Erkenntnisse darüber gewonnen habe, wie man den Mittelwert der kleinsten Quadrate bei der Zentrierung für Interaktionen in JMP nutzt.
