Python的statsmodels是否有类似SAS CONTRAST的ANOVA组对比功能？

statsmodels完全支持类似SAS中CONTRAST语句的功能，核心就是通过**自定义L向量（对比矩阵）**实现特定组/均值的对比，逻辑和SAS一致。

具体操作步骤 #

针对你给出的value ~ C(variety, Sum)模型（采用Sum编码的分类变量），可按以下流程操作：

• 确认模型参数对应关系
  拟合模型后，通过model.params.index查看所有参数名称，明确每个分组对应的参数位置：

  import statsmodels.api as sm
  from statsmodels.formula.api import ols
  
  model = ols("value ~ C(variety, Sum)", data=df).fit()
  print(model.params.index)
  

• 构建L向量
  L向量长度与模型参数数量一致，针对需要对比的组设置对应权重，其余位置设为0。比如要对比var1和var2的均值差异，假设var1对应第2个参数、var2对应第3个参数，Sum编码下截距为总体均值，那么L向量可设为[0, 1, -1]。

• 执行对比检验
  有两种常用方式实现：

  # 方式1：直接调用model.t_test()传入L向量
  L = [0, 1, -1]
  contrast_result = model.t_test(L)
  print(contrast_result.summary())
  
  # 方式2：用Contrast类灵活定义对比
  from statsmodels.stats.contrast import Contrast
  contrast = Contrast(model.params, model.cov_params(), L)
  print(contrast.t_test().summary())
  

patsy的角色 #

patsy负责将公式转换为设计矩阵，你通过C(variety, Sum)指定的编码方式，为后续构建L向量提供了清晰的参数对应关系，无需额外操作，直接基于拟合后的模型参数即可定义对比。

内容的提问来源于stack exchange，提问作者Oleh Zakharchuk