求两个自变量与一个因变量y的多元线性回归模型的python代码

要进行多元线性回归分析，你可以使用Python中的statsmodels库。下面是一个示例代码，展示了如何拟合一个包含两个自变量（X1和X2）和一个因变量（Y）的多元线性回归模型：

import statsmodels.api as sm
import pandas as pd

# 创建一个DataFrame来存储自变量和因变量的数据
data = {'X1': [1, 2, 3, 4, 5], 'X2': [2, 4, 6, 8, 10], 'Y': [3, 5, 7, 9, 11]}
df = pd.DataFrame(data)

# 添加常数列作为回归方程的截距
df['intercept'] = 1

# 定义自变量和因变量
X = df[['intercept', 'X1', 'X2']]
Y = df['Y']

# 拟合多元线性回归模型
model = sm.OLS(Y, X)
results = model.fit()

# 打印回归结果摘要
print(results.summary())

在这个示例中，我们使用了一个包含5个观测值的数据集。首先创建了一个DataFrame来存储自变量（X1和X2）和因变量（Y）的数据。然后，我们添加了一个常数列作为回归方程的截距项，并定义了自变量（X）和因变量（Y）。接下来，使用sm.OLS函数来拟合多元线性回归模型，并使用fit方法进行拟合。最后，打印出回归结果的摘要。

请注意，这里使用了statsmodels库中的OLS（Ordinary Least Squares）函数来拟合线性回归模型，并提供了回归结果的摘要信息。