多元線性回歸是指一組自變量和一個因變量之間的線性關系，通常用于利用多個自變量對一個因變量進行預測或建模。
在Python中，可以使用statsmodels庫來實現多元線性回歸。下面是一個具體的例子：
import pandas as pd
import statsmodels.api as sm
# 讀取數據
data = pd.read_csv('data.csv')
# 設置自變量和因變量
X = data[['x1', 'x2', 'x3']]
Y = data['y']
# 添加常數項
X = sm.add_constant(X)
# 構建模型并擬合
model = sm.OLS(Y, X).fit()
# 輸出結果
print(model.summary())在上面的例子中，我們首先使用pandas庫讀取名為data.csv的數據集，其中包含自變量x1、x2、x3和因變量y。然后，使用statsmodels庫中的add_constant()函數向自變量矩陣中添加常數項，然后使用OLS()函數構建模型并使用fit()方法擬合數據。最后，使用summary()方法輸出模型的總結信息，包括自變量的系數、標準誤差、置信區間和顯著性水平等。
需要注意的是，多元線性回歸模型的擬合結果需要進行檢驗，以確保滿足線性回歸的假定條件。同時，對于自變量之間存在多重共線性或數據存在離群點的情況，需要進行額外的處理。
京公網安備 11010802030320號