如何解释ANCOVA与线性回归的结果差异？以mtcars数据为例

你的解释完全不恰当，wt在两个模型里的“效应”本质是不同的，不存在“线性相关强但效应不显著”这种矛盾的情况，问题出在R中lm()和aov()默认输出的检验逻辑差异上：

• 检验的效应类型不同

  • summary(lm(qsec ~ wt + factor(am), data = mtcars))中的t检验，是控制了模型中所有其他变量后的偏效应显著性。简单说，这个检验回答的是：在变速箱类型（am）相同的前提下，车重（wt）变化是否会显著影响百米加速时间（qsec）。你得到的p值0.00685，说明这个偏效应是显著的。
  • summary(aov(qsec ~ wt + factor(am), data = mtcars))默认使用Type I平方和，检验的是按变量顺序依次加入后的边际效应：先检验wt单独对qsec的影响（完全不考虑am），再检验加入wt后am对qsec的额外影响。你看到的wt不显著，是指不控制变速箱类型时，车重单独的主效应没有统计显著性。

• 差异的核心原因
  这种结果差异通常是因为wt和am存在相关性：比如mtcars数据集里，手动挡（am=1）的车普遍比自动挡（am=0）的车更轻。当不控制am时，wt的效应被变速箱类型的差异掩盖了；但控制am后，同一变速箱类型下，车重增加确实会显著延长加速时间。

• ANCOVA的正确检验方式
  如果你做的是ANCOVA（协变量+分组变量的分析），核心是要检验控制分组变量后的协变量效应，也就是lm()输出的结果。如果想用aov框架得到一致的检验，需要使用Type III平方和，这可以通过car包的Anova()函数实现：

  library(car)
  Anova(lm(qsec ~ wt + factor(am), data = mtcars), type = "III")
  

  这个结果会和summary(lm())中的t检验完全对应，因为两者都是检验控制其他变量后的偏效应。

内容的提问来源于stack exchange，提问作者Moliz