比较多元回归相关系数 pytho

在多元回归中，相关系数（R）被用来衡量自变量和因变量之间的关系强度和方向。Python中的多元回归相关系数可以使用statsmodels库来计算。具体如下：

1. 导入所需库：

import pandas as pd
import statsmodels.api as sm

2. 准备数据：
假设有以下数据集，包含两个自变量X1和X2，以及一个因变量Y。

data = {'X1': [1, 2, 3, 4, 5],
        'X2': [6, 7, 8, 9, 10],
        'Y': [15, 18, 21, 24, 27]}
df = pd.DataFrame(data)

3. 将自变量和因变量分离：

X = df[['X1', 'X2']]
Y = df['Y']

4. 添加常数项（截距）：

X = sm.add_constant(X)

5. 构建多元回归模型：

model = sm.OLS(Y, X)
results = model.fit()

6. 查看回归结果：

print(results.summary())

在回归结果的"coef"列中，可以找到各个自变量的系数，即多元回归中的相关系数。

回归结果的"R-squared"列表示多元回归模型的拟合优度，其取值范围在0到1之间。数值越接近1，说明自变量对因变量的解释能力越强。

总之，在Python中，通过statsmodels库进行多元回归分析，可以计算出每个自变量的相关系数，并且使用R-squared判断拟合优度。