多元线性回归层级结构python代码

多元线性回归是一种用于建立多个自变量与一个因变量之间关系的统计模型。在Python中，可以使用statsmodels库来实现多元线性回归的层级结构。下面是一个简单的示例代码：

import statsmodels.api as sm
import pandas as pd

# 准备数据
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
df['intercept'] = 1

# 定义自变量和因变量
X = df[['intercept', 'x1', 'x2']]
y = df['y']

# 构建模型
model = sm.OLS(y, X)

# 拟合数据
results = model.fit()

# 打印回归结果
print(results.summary())

上述代码中，首先准备了一个包含自变量x1、x2和因变量y的数据集。然后通过添加常数列，构建了自变量矩阵X和因变量向量y。接下来，使用`sm.OLS`函数构建了一个多元线性回归模型，并通过`fit`方法拟合数据。最后，使用`summary`方法打印回归结果。