import pandas as pdimport statsmodels.api as sm# 定义数据data = { '食品烟酒': [102.4, 2.4], '衣着': [99.1, -0.9], '居住': [100.5, 0.5], '生活用品及服务': [101.3, 1.3], '交通通信': [106.5, 6.5], '教育文化娱乐': [102.6, 2.6], '医疗保健': [101.1, 1.1], '其他用品及服务': [101.0, 1.0]}df = pd.DataFrame.from_dict(data, orient='index', columns=['价格指数', '涨幅'])# 进行多元线性回归分析X = sm.add_constant(df['价格指数'])model = sm.OLS(df['涨幅'], X)results = model.fit()# 输出结果print(results.summary())

这段代码使用了Python中的pandas和statsmodels库，分析了不同消费品类别的价格指数与涨幅之间的关系，使用多元线性回归模型进行分析。其中，数据以字典形式给出，使用DataFrame.from_dict()方法将其转化为DataFrame格式，然后使用add_constant()方法添加常数列，使用OLS()方法指定自变量和因变量进行线性回归分析，最后使用fit()方法进行拟合。结果使用summary()方法输出。