多元线性回归检验代码

多元线性回归是一种统计模型，用于研究一个因变量（目标变量）如何依赖于两个或更多的自变量（预测变量）。在Python中，我们可以使用`statsmodels`库来进行多元线性回归分析。以下是基本的代码示例：

# 导入所需的库
import pandas as pd
import statsmodels.api as sm

# 假设你有一个DataFrame 'data'，其中包含'X1', 'X2', ...,'Xn'是自变量，'y'是因变量
data = pd.read_csv('your_data.csv')  # 替换为你的数据文件路径

# 数据预处理（添加常数项到自变量）
X = data[['X1', 'X2', ..., 'Xn']]
X = sm.add_constant(X)  # 添加列向量全为1的列（截距）

# 定义模型
model = sm.OLS(y, X)

# 拟合模型
results = model.fit()

# 输出结果摘要（包括系数、标准误差等）
print(results.summary())

# 进行显著性检验
p_values = results.pvalues
significant_features = [feature for feature, p_value in zip(X.columns, p_values) if p_value < 0.05]