Covariable utilizada para la formación de bloques

Si en vez de utilizar el ANCOVA para ajustar a , la covariable es usada para formar bloques que sean homogéneos con respecto a la covariable y si la relación entre y es lineal, entonces el efecto de esta clase de bloques es reducir el error experimental de a . Así, cuando la regresión es lineal, el ajuste de covarianza es aproximadamente tan efectivo como la estratificación con respecto a la covariable. Sin embargo si la relación no es lineal y un ajuste lineal es utilizado, entonces la estratificación proveerá mayor reducción en el errror experimental. En un sentido real, la estratificación es función libre del plan de regresión. La estratificación con respecto a la covariable convierte a ésta en un factor y así un experimento de un factor es convertido en un experimento de dos factores, el factor de tratamiento y el factor de la covariable.

La covariable afectada por los tratamientos

Cuando la covariable es actualmente afectada por los tratamientos, el proceso de ajuste remueve más de lo que puede ser considerado como componente del error de la variable respuesta y también puede remover parte del efecto de tratamiento sobre .Si las medidas de la variable y la covariable son realizadas despues de aplicados los tratamientos , es posible que la covariable pueda ser afectada por los tratamientos. Un análisis de varianza sobre la covariable puede dar luz sobre este aspecto.

Si la medida de la covariable es realizada antes de que los tratamientos son aplicados, la covariable no puede ser afectada por los tratamientos. Cuando un experimentador es obligado por la naturaleza del mundo real a trabajar con grupos intactos, por ejemplo: comparación del rendimiento bajo diferentes metodologías de diferentes profesores (tratamiento), los cursos no se pueden aleatorizar, las medias de la covariable bajo los tratamientos y , denotados por y , pueden diferir.

La diferencia entre medias ajustadas de la variable, usando un ajuste lineal, toma la forma