python 多元相关性分析案例

下面是一个使用 Python 进行多元相关性分析的简单案例：

假设我们有一个数据集，包含三个变量：X1、X2 和 Y。我们想要分析 X1 和 X2 对 Y 的多元相关性。

首先，我们需要导入所需的库，如 pandas 和 scipy：

import pandas as pd
from scipy.stats import pearsonr

接下来，我们创建一个包含样本数据的 DataFrame：

data = {'X1': [1, 2, 3, 4, 5],
        'X2': [2, 4, 6, 8, 10],
        'Y': [3, 6, 9, 12, 15]}
df = pd.DataFrame(data)

然后，我们可以使用 `pearsonr()` 函数计算 X1 和 X2 对 Y 的 Pearson 相关系数和 p 值：

correlation, p_value = pearsonr(df['X1'], df['Y'])
print("X1 和 Y 的 Pearson 相关系数:", correlation)
print("X1 和 Y 的 p 值:", p_value)

correlation, p_value = pearsonr(df['X2'], df['Y'])
print("X2 和 Y 的 Pearson 相关系数:", correlation)
print("X2 和 Y 的 p 值:", p_value)

运行以上代码，我们可以得到 X1 和 Y 的 Pearson 相关系数、p 值，以及 X2 和 Y 的 Pearson 相关系数、p 值。

这只是一个简单的案例，实际上，在多元相关性分析中，我们通常会使用更多的变量和更大的数据集。你可以根据自己的需求对代码进行修改和扩展。