多元回归的式子，一个因变量，五个自变量，python代码咋写

在Python中，你可以使用`statsmodels`库来进行多元线性回归。下面是一个例子，展示如何对一个因变量和五个自变量进行回归，并计算模型的系数、截距以及一些统计信息：

import pandas as pd
import statsmodels.api as sm

# 假设你的数据存储在一个名为'data'的数据框中，其中y是因变量，X1 to X5是自变量
data = pd.read_csv('your_data.csv')  # 替换为实际数据文件路径

# 将分类变量（如果有的话）转换为哑变量
data = pd.get_dummies(data, drop_first=True)

# 定义因变量和自变量
y = data['y']
X = data.drop('y', axis=1)  # 去除因变量列

# 添加常数项（截距）
X = sm.add_constant(X)

# 创建模型并拟合
model = sm.OLS(y, X)
results = model.fit()

# 输出结果
print(results.summary())

# 可以通过results.params获取各个自变量的系数
coefficients = results.params
intercept = results.params['const']

print(f"截距: {intercept}")
print("自变量系数:")
for i, coef in enumerate(coefficients[:-1]):
    print(f"{X.columns[i+1]}: {coef}")

别忘了替换'your_data.csv'为你实际的数据文件名和路径，并检查数据预处理是否符合需求。这只是一个基础示例，实际应用中可能还需要进行异常值处理、数据清洗等步骤。