用jupyter编写逐步回归代码

以下是使用Python编写逐步回归的代码：

import pandas as pd
import numpy as np
import statsmodels.api as sm

# 读入数据
data = pd.read_csv('data.csv')

# 提取自变量和因变量
X = data.iloc[:, 1:-1]
y = data.iloc[:, -1]

# 添加常数列
X = sm.add_constant(X)

# 初始化模型
model = sm.OLS(y, X).fit()

# 逐步回归
while True:
    # 计算当前模型的R-squared
    rsq = model.rsquared_adj
    
    # 记录当前模型的变量个数
    num_vars = len(model.params) - 1
    
    # 找到当前R-squared下的最佳变量
    best_var = None
    best_pval = np.inf
    for var in X.columns[1:]:
        # 如果该变量已经在模型中，则跳过
        if var in model.params.index:
            continue
        # 将该变量加入模型并计算P值
        temp_model = sm.OLS(y, X[list(model.params.index) + [var]]).fit()
        pval = temp_model.pvalues[var]
        # 如果P值更小，则更新最佳变量
        if pval < best_pval:
            best_var = var
            best_pval = pval
    
    # 如果没有更好的变量，则结束逐步回归
    if best_var is None:
        break
    
    # 将最佳变量加入模型
    model = sm.OLS(y, X[list(model.params.index) + [best_var]]).fit()
    
    # 如果新模型的R-squared比原模型更低，则结束逐步回归
    if model.rsquared_adj < rsq:
        break

# 输出最终模型的结果
print(model.summary())

以上代码中，我们使用了statsmodels库中的OLS类来实现线性回归，使用add_constant函数添加常数列，用rsquared_adj属性计算R-squared。在每一轮逐步回归中，我们使用循环遍历每个未加入模型的变量，依次将其加入模型并计算P值，然后选择P值最小的变量作为最佳变量。最后，将最佳变量加入模型，并根据新模型的R-squared值来决定是否继续添加变量。