实现一个Python函数，使用`LinearRegression`对给定的数据集进行回归分析，并计算均方误差。

在Python中，我们可以使用sklearn库中的`LinearRegression`模型来进行线性回归分析。下面是一个简单的函数示例，它接受一个二维数据数组（特征和目标值）作为输入，拟合线性回归模型，然后返回训练后的模型以及计算出的均方误差（Mean Squared Error，MSE）：

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

def linear_regression_analysis(X, y):
    # 数据分割（通常我们会将80%的数据用于训练，20%用于测试）
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

    # 创建并训练线性回归模型
    model = LinearRegression()
    model.fit(X_train, y_train)

    # 预测测试集的结果
    y_pred = model.predict(X_test)

    # 计算均方误差
    mse = mean_squared_error(y_test, y_pred)
    
    return model, mse

# 使用函数，假设`X`是特征矩阵，`y`是目标向量
model, mse_value = linear_regression_analysis(X, y)
print(f"模型已创建，均方误差(MSE)为: {mse_value}")