参考：
=======================================
第一种理解
例1
我想知道温度对于降水量的影响，但是海拔高度、经纬度、当地湿度等变量也会影响降水量。那么，在我的研究中，温度就是自变量，降水量是因变量，而海拔高度、经纬度和当地湿度就是协变量。
例2
我想知道年龄对身高的影响，但是地域、性别等变量也会影响身高。那么，在我的研究中，年龄就是自变量，身高是因变量，而地域和性别就是协变量。
有人认为，把关注的自变量叫“自变量”，其它“自变量”叫协变量，当你接着把其它协变量当自变量的时候，开始的自变量又变成了协变量。
=======================================
第二种理解
协变量（covariates）或干预前(pretreatment)变量，是指不受实验设计控制或者不受干预变量影响的变量。例如，某实验研究化肥对水稻产量的影响，温度、光照等是实验可以控制的，这些变量就不是协变量。再例如，研究培训对收入的影响，性别、民族等个体属性变量，以及培训前的收入水平，经济社会发展特征等，都是协变量，因为这些变量不受培训这一实验的影响。
=======================================
协变量是指不同干预措施前，研究者预计的、会对主要变量分析产生重要影响的因素。协变量对主要变量分析最重要的影响，指的是它往往会造成实验性研究干预措施疗效评价的偏倚。随机对照研究中, 随机化作为一种必需手段，可避免各个实验组的分配偏倚 。理论上， 随机化将确保所有的协变量在各个实验组间的平衡 。然而, 实际工作中若仅用简单随机化， 则很难保证有些重要的协变量的平衡，尤其是当试验的样本含量较小时 。如果出现协变量不平衡， 而它们又与研究结果密切相关时，则这时不合理考虑协变量的影响，直接评价处理效应， 将很可能会导致结论的偏倚乃至错误。