用 python 编写多元回归分析模型，并举例子验证

当然可以！下面是一个使用Python编写多元回归分析模型的示例：

import numpy as np
import statsmodels.api as sm

# 创建样本数据
X = np.array([[1, 2, 3],
              [1, 3, 5],
              [1, 4, 7],
              [1, 5, 9]])
y = np.array([6, 8, 10, 12])

# 拟合多元回归模型
model = sm.OLS(y, X)
results = model.fit()

# 打印回归结果
print(results.summary())

在这个示例中，我们创建了一个包含3个自变量的多元回归模型。自变量通过矩阵`X`表示，每一行是一个观测样本，第一列是常数项（截距），后面两列是自变量的取值。因变量通过向量`y`表示。我们使用`statsmodels`库中的`OLS`类来拟合回归模型，并通过`summary()`方法打印回归结果。

你可以根据自己的数据替换示例中的`X`和`y`，并根据需要修改自变量的个数。然后运行代码，即可得到多元回归模型的结果。

需要注意的是，多元回归模型的结果包括各个自变量的系数、截距项、拟合优度等信息，可以通过`results.summary()`方法查看详细的回归结果。

希望这个示例对你有帮助！如果还有其他问题，请继续提问。