ANCOVA是带连续协变量的方差分析，本质为含分类变量与连续协变量的线性回归；需检验平行线假设，拟合主效应模型后解读组间净差异，协变量须事前测量且具理论依据。

协方差分析（ANCOVA，Analysis of Covariance）不是纯Python算法，而是统计建模方法——它本质是“带连续协变量的方差分析”，即在线性模型中同时纳入分类自变量（如实验组别）和连续协变量（如基线测量值），以控制混杂效应、提升检验效能。Python本身不内置ANCOVA专用函数，但可通过statsmodels或scipy拟合含交互项的线性回归模型来等价实现。

ANCOVA的数学结构：就是带分组哑变量的线性回归

假设有1个分类因子A（k个水平，如对照组/用药组/安慰剂组），1个连续协变量X（如治疗前血压），因变量Y（如治疗后血压）。ANCOVA模型写为：

Y_ij = μ + α_i + β(X_ij − X̄) + ε_ij

其中：μ是总均值，α_i是第i组的主效应（满足∑α_i=0），β是协变量X的公共斜率（假设各组斜率相等，即“平行线假设”），X̄是X的总体均值（中心化可避免主效应与协变量估计耦合），ε_ij ~ N(0, σ²)。

实际建模时，用哑变量（dummy coding）表示组别，例如3组生成2个哑变量D₁、D₂，则模型变为：

Y = β₀ + β₁D₁ + β₂D₂ + β₃X + ε

此时β₁、β₂直接解释为对应组相对于参照组的均值调整量（已控制X影响）。

Python中实现ANCOVA的关键三步

• 检查平行线假设：先拟合含交互项的模型（Y ~ C(Group) + X + C(Group):X），用F检验判断Group×X交互项是否显著；若显著，说明各组X对Y的影响斜率不同，不宜直接用标准ANCOVA，需分组拟合或改用更灵活模型。
• 拟合主效应模型：去掉交互项，运行 Y ~ C(Group) + X；用statsmodels.formula.api.ols拟合，再调用.fit()获得参数估计与F检验结果。
• 解读调整后组间差异：关注C(Group)的系数p值和置信区间——这反映“在X取均值水平时，组间Y的净差异”，比单纯t检验或ANOVA更精准，尤其当X与分组存在系统性关联时（如用药组基线血压更高）。

一个简明代码示例（使用statsmodels）

假设DataFrame df含列'group'（str）、'baseline_bp'（float）、'post_bp'（float）：

import statsmodels.api as sm
import statsmodels.formula.api as smf
检验平行线假设
model_full = smf.ols('post_bp ~ C(group) + baseline_bp + C(group):baseline_bp', data=df)
result_full = model_full.fit()
print(result_full.f_test("C(group):baseline_bp"))  # 看交互项是否显著
若交互不显著，拟合ANCOVA主模型
model_ancova = smf.ols('post_bp ~ C(group) + baseline_bp', data=df)
result = model_ancova.fit()
print(result.summary())  # 关注C(group)各行的P>|t|和[0.025 0.975]

常见误区提醒

• 协变量必须是“事前测量”或“不受处理影响”的变量，否则引入因果倒置偏差（如用治疗后心率作协变量解释治疗效果）。
• 不要把协变量当作“提高R²的工具”而盲目加入多个；每个协变量都应有理论依据，且需检验其与因变量的线性关系（残差图）。
• statsmodels默认使用Type II SS（平衡设计下等价于Type III），但若组间样本量差异大，建议用car::Anova（R）或手动计算Type III SS——Python中可用statsmodels.stats.anova.anova_lm并设typ=3（需安装最新版）。

基本上就这些。ANCOVA不是黑箱，它只是线性模型在特定研究设计下的自然应用——理解其背后“控制混杂、校正偏倚”的逻辑，比记住某段代码更重要。