一、协方差分析的意义
协方差（covariance）是两个变数的互变异数。对于一个具有N对（X,Y）的有限总体，定义：
对于由n对（x,y）组成的样本，则可定义为：
由上可知，样本协方差
是乘积和与自由度的商，平均的乘积和。又称为均积（mean product）或协方，记作MP，是总体cov的估值。
协方差分析（analysis of variance）是将回归分析和方差分析综合起来的一种统计方法
根据变异来源可将自由度和平方和分解，称方差分析（单个变数）。
当有两个变数时，也可按照变异来源，将自由度和乘积和分解，这就是协方差分析。
由于乘积和是回归和相关分析的一个基本特征数，乘积和和平方和同时按变异来源分解，就使回归、相关分析和方差分析能够结合起来应用。
二、协方差分析的功用
（1）当（x,y）为因果关系时，可利用y依x的回归系数矫正y变数的处理平均数，提高精确度。要提高试验的精确度和灵敏度，必须严格控制试验条件的均匀性，使各处理处于尽可能一致的试验条件下。这一做法在统计上叫做试验控制。但在某些情况下，试验控制不一定能实施。在这种情况下，如果没有很好控制的因素x可以量测，而又和实验结果y存在着回归关系，那就可以利用回归，将各个y矫正到x的同样水平（x=
）的结果。这一做法在统计上叫做统计控制。统计控制作为试验控制的一种辅助手段，对于减少误差，可得到很好地效果。
（2）当（x,y）为相关关系时，可通过估计不同变异来源的总体方差和协方差，做出相应的相关分析。根据均方MS和期望均方EMS的关系，可获得不同变异来源的总体方差估值，从而进行有关遗传参数的分析。在协方差分析中，根据协方MP和期望协方EMP的关系，同样可得到不同变异来源的总体协方差估值。有了这些估值，可进行相关分析。在分析遗传育种和生态、环保等的研究中非常有用。
三、单项分组资料的协方差分析
（2）乘积和和自由度的分解
x,y的总自由度和平方和，可分解成组内和组间两个部分。总乘积和（
）分为组间（
）和（
）组内，分解式：
（3）回归关系的协方差分析
变数各自进行F测验，x显著或不显著，y不显著，这一推断未必可靠，需要弄清楚两者的是否有回归关系。如果 x,y 无关，采纳上述推断；如果 x,y 有关，必须进一步追究：将 x 的不同对于y的影响消去后[即通过y依x的回归，将 
矫正为 
时的值 
(矫正平均数) ]，间是否有显著差异？协方差分析可解决这些问题，步骤：
（a）列出处理间、处理内和总变异的DF、
，
和SP。
（b）测验x和y是否存在直线回归关系。对处理内项（误差）作回归分析，求得其离回归平方和
和自由度 
=k(n-1)-1,测验
对 
。若接受，则表明该资料只能用y变数值作方差分析，x变数值不能提供新的信息。若否定，则表明x和y有着显著的回归关系，需进行下一步。
（c）测验矫正平均数间的差异显著性。对总变异项作回归分析，求得其离回归平方和
和自由度
=（kn-2）；再由（-）和（-）=k-1即得矫正平均数间的平方和和自由度，因而就能对间的显著性作出F测验（这时尚未算出各个的值）。
（d）如果所得的F为不显著，表明间无显著差异；如果F为显著，则必须算出各个，进行多重比较，作出相应推断。
（e）矫正平均数的计算：
第i行的矫正平均数为：
(将 x 的不同对于y的影响消去)
（f）矫正平均数的比较，假设
对 
（i和j代表1,2,...,k,i
j）,矫正平均数的差数标准误是：
（3）相关关系资料的协方差分析
与回归关系资料的协方差分析不同，相关关系主要讨论两个互有联系的总体的相关问题。
四、两直线项分组资料的协方差分析
（1）资料模式与线性生成
若资料有m类k组，则 mk 对观察值按两个方向分类：
（2）乘积和和自由度的分解
总SP可分解为类间、组间和误差三部分，值为：
（3）协方差分析
两项分组资料的协方差分析和单项分组资料并无原则上的不同，只是多了一个方向的变异来源。
