Une analyse de covariance (ANCOVA) est une forme plus sophistiquée de l'analyse de la variance. Il représente une variable partagée entre les populations qui peuvent être expliquer la variation. Par exemple, trois groupes peuvent recevoir trois traitements. Les variations entre les survivances de groupe peuvent être entraînés par âge differences- donc, en contrôlant l'effet de l'âge en l'incluant comme une variable pourrait améliorer le pouvoir explicatif du modèle.
Déterminer les variables dépendantes et indépendantes, y compris la covariable.
Dans l'exemple ci-dessus, les deux variables dépendantes sont la covariable, l'âge et quel traitement le groupe a reçu. La covariable doit être continue. Au-delà en évitant les cellules vides, le bénéfice de cette deviendra clair dans les étapes suivantes.
Déterminer la régression linéaire pour chaque groupe. Dans notre exemple, l'âge est une variable indépendante, le temps de survie est une variable indépendante et chaque groupe a sa propre ligne de régression. Age a donc été comptabilisée.
Rejeter l'hypothèse nulle (ce que les traitements sont les mêmes, à savoir que le coefficient de traitement est de zéro) si la différence entre les pentes est statistiquement significative.
Déterminer si les interceptions sont les mêmes si les pentes sont introuvables pour être statistiquement différente.
Rejeter l'hypothèse nulle si les interceptions sont significativement différentes. Si les trois lignes de régression ont la même pente mais leurs intersections sont significativement différentes, puis leur nature parallèle signifie qu'ils rencontreront nulle part et les traitements sont différents.