基本工具是lm；请注意，这aov是lm.

特别是，如果您有一些分组变量（因子），$g$, 和一个连续协变量$x$，该模型y ~ x + g将拟合主效应 ANCOVA 模型，同时y ~ x * g拟合包含与协变量交互的模型。aov将采用相同的公式。

要特别注意Note帮助上的aov。

至于+vs *， russellpierce 几乎涵盖了它，但我建议你看一下，?lm尤其?formula是手册的第 11.1 节An Introduction to R that come with R （或者如果你还没有弄清楚如何，你可以在网上找到它在您的计算机上找到它；最容易的是，这涉及在 R 或 RStudio 中找到“帮助”下拉菜单）。

我建议使用 R by Field获取和阅读Discovering Statistics 。他对 ANCOVA 有一个很好的部分。

要在 R 中运行 ANCOVA，请加载以下包：

car
compute.es
effects
ggplot2
multcomp
pastecs
WRS

如果您使用lmor aov（我使用aov），请确保在执行aovor之前使用“对比度”功能设置对比度lm。R 默认使用非正交对比，这会在 ANCOVA 中搞砸一切。如果要设置正交对比，请使用：

contrasts(dataname$factorvariable)=contr.poly(# of levels, i.e. 3) 

然后运行你的模型

model.1=aov(dv~covariate+factorvariable, data=dataname)

要查看模型，请使用：

Anova(model.1, type="III") 

确保在此处使用大写字母“A”Anova而不是anova. 这将给出使用 III 型 SS 的结果。

summary.lm(model.1)将给出另一个总结并包括 R-sq。输出。

posth=glht(model.1, linfct=mcp(factorvariable="Tukey"))  ##gives the post-hoc Tukey analysis
summary(posth) ##shows the output in a nice format.

如果要测试回归斜率的同质性，还可以包括 IV 和协变量的交互项。那将是：

model=aov(dv~covariate+IV+covariate:IV, data=dataname)

如果交互项显着，那么您就没有同质性。

这是@Butorovich建议的程序的补充文档http://goo.gl/yxUZ1R 。此外，我的观察是，当协变量是二进制时，使用 summary(lm.object) 将给出与 Anova(lm.object, type="III") 生成的相同的 IV 估计。