下面给出一个例子说明Analysis of Covariance，不足之处望大家给予指点！

将24个实验对象分为3组喂以不同饲料，比较三种饲料a1..a3对增重(x初始重量,y增重)的影响。
data a3;
input x y @@;
a=int((_n_-1)/8)+1;
datalines;
（data）；

univariate 正太检验都满足正态假设。

proc anova data=a3;
class a;
model y=a;
means a/bon;
run;
不同饲料对增重有显著性差异。

a2和a3对增重两者间无差异。
矫正X对增重的影响：
proc glm data=a3;
class a;
model y=a x a*x/ss1;
proc glm data=a3;
class a;
model y=x a x*a/ss1;
run;
quit;

模型中Y与X的直线关系有非常显著的关系。x和a之间的交互作用在模型中无显著性，下步研究中应删除x*a：

proc glm data=a3;
class a;
model y=x a /solution ss3;
lsmeans a/stderr pdiff;
run;
quit;

定量变量x和定型变量a对y的影响都有非常显著的作用。
对各回归系数检验的结果。对变量a，是以第3种饲料（a3）为对照组：
将x作为因素考察时，饲料a1与a3间P=0.1457>0.05，说明饲料a1与a3间无显著差异；
                   饲料a2与a3间P=0.001<0.05，说明饲料a2与a3间有显著差异；
以上结论说明单因素方差分析结果不正确。
以下考量y的的3个修正均数之间的两两比较结果：

1：以饲料a1为对照组：y的修正均数为92；以饲料a2为对照组：y的修正均数为97；以饲料a3为对照组：y的修正均数为86。y均数越大，说明该饲料对增重影响最大，即a2效果最好
2：y|a1=92与y|a2=97相等的概率为0.1049>0.05,说明饲料a1与a2无显著性差异
     y|a1=92与y|a3=86相等的概率为0.1457>0.05,说明饲料a1与a3无显著性差异
     y|a3=86与y|a2=97相等的概率为0.0010<0.05,说明饲料a3与a2有显著性差异
3：a1、a2效果最好