当因变量是连续变量而自变量是分类变量时，可以使用以下模型来建立它们之间的关系：

• 独立样本 t 检验：如果分类自变量只有两个水平（二分类），你可以使用独立样本 t 检验来比较两个组的均值是否存在显著差异。这可以帮助你确定分类自变量对于连续因变量的影响是否显著。

• 方差分析（ANOVA）：如果分类自变量有多个水平（多分类），你可以使用单因素方差分析（One-Way ANOVA）来检验不同组之间连续因变量的均值是否存在显著差异。如果方差分析结果表明组别之间存在显著差异，你可以进一步进行事后比较来确定具体哪些组之间存在差异。

• 线性回归模型：如果你想更全面地探索分类自变量对连续因变量的影响，并考虑其他潜在的影响因素，你可以使用线性回归模型。在模型中，将分类自变量表示为虚拟变量或指示变量，并与其他连续自变量一起作为预测因子来建立回归方程。通过线性回归分析，你可以评估不同分类水平对于因变量的影响，并进行显著性检验和效应量估计。

• 非线性模型：如果你认为分类自变量与连续因变量之间存在非线性关系，可以尝试使用非线性回归模型。非线性模型可以更好地拟合数据中的曲线关系，例如多项式回归、指数函数回归等。

  
  

请注意，在选择适当的模型时，要考虑研究目的、数据特点以及其他可能的影响因素。此外，还应该进行模型检验和评估，以确保所选模型的适用性和准确性。