Всем здравствуйте!

Вопрос, собственно, заключается в следующем:
а какие типы ковариат могут быть в ковариационном анализе?
Поясню: допустим, есть 3 группы людей разных возрастных диапазонов (20-30 лет, 40-50 и 60-70 лет). И вот преследуется цель определить, есть ли разница между этими группами по массе тела, т.е. ответить на вопрос: зависит ли масса тела от возраста (классический однофакторный дисперсионный анализ). Но, допустим, у нас есть ещё и данные для этих 3-х групп по росту. Не будем пренебрегать этими данными и введём, собственно, ковариату - рост. И получим ковариационный анализ с количественной ковариатой. Но у нас есть ещё и данные по половой принадлежности индивидуумов в этих группах (мужской, женский). Это - уже категориальные данные (переменные).
Вот я не знаю, можно ли и их включить в ANCOVA?
В общем, какие типы ковариат могут быть допустимы в ковариационном анализе? Только количественные (типа роста, возраста) или же категориальные (типа половой принадлежности, толстые-худые, высокие-низкорослые, европеоиды-негроиды, курящие-некурящие, пьющие-непьющие и т.д.) тоже допустимы)?
В прицепленной публикации используется ANCOVA сразу с двумя ковариатами. Одна из них - возраст (количественная), а вот вторая - как-раз таки пол (gender), которая является категориальной. Отсюда и возник вопрос.
Спасибо!

Коротко: любые.
Развернуто: в R пишется необходимая Вам модель и анализируется в зависимости от Ваших потребностей, например

Если хотите "погрузиться в проспективных исследованиях" больше чем обычно и , прочтите псто и данный форум. Только не пишите свой ник в Скайпе

Спасибо!
Стёба не понял):

В старой литературе для ковариационного анализа с количественными ковариатами применялся термин "конфлюэнтный анализ", но что-то сейчас он практически не используется. Вообще говоря, я не верю в качество таких сложных моделей как предложил comisora. Точнее не то, что не верю совсем, конечно что-то они позволят прогнозировать, может даже с приемлемой для практических нужд точностью. Я имею в виду то, что такие модели (1) предполагают линейность связей в системе, а в биологии линейные связи редки, (2) предполагают отсутствие взаимодействия факторов, а в биологии сплошь и рядом именно неаддитивные эффекты. Возможно, что для прогноза здесь больше подойдут другие подходы, типа деревьев классификации...
Стёб относился не к вам, а к другому участнику форума.

Конечно не нужно все подряд включать в ANCOVA. ВЫ не очень четко сформулировали, что вы хотите исследовать. В первой части поста в задаче про вес, изучается зависимость веса от роста, но с учетом возраста. И это из какого то старого учебника задачка. В статье, которую вы привели, исследуют количественную переменную в зависимости от двух факторов (группа, гендер), читайте внимательно материалы и методы, но с учетом влияния на исследуемую переменную возраста, который и выступает в качестве ковариаты.

Спасибо ответившим!

И всё-таки: ковариата/ковариаты в ANCOVA может/могут быть категориальными?
Вот допустим можно ли сделать по другому: в качестве ковариаты (для примера из публикации) взять, допустим, не возраст, а употребление/не употребление алкоголя (проще говоря пьющие/не пьющие)? Или же добавить к количественной ковариате (возраст) категориальную?
Или же, как я предполагаю, следует анализировать такие данные иначе, а именно: если нужно учитывать такой признак (или градацию) как употребление/не употребление алкоголя, то лучше этот признак (категориальный) учесть как фактор, а не как ковариату. Тогда это будет трёхфакторный дисперсионный анализ (факторы - группа, пол и употребление/не употребление алкоголя) с ковариатой (возраст).
Вопрос я разбираю пока из теоретического интереса, но с намерением использовать в дальнейшем на практике.

Нет не может, такая общая линейная модель будет уже не ANCOVA'ой. Что такое ANCOVA кратко и ёмко описано в википедии: https://en.wikipedia.org/wiki/Analysis_of_covariance