python用Lindeman, Merenda, and Gold (LMG) 方法计算Excel表格中三个因变量的贡献代码

LMG方法是用于计算多元线性回归模型中每个自变量对于因变量的贡献度的方法，可以通过以下Python代码实现：

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

# 读取Excel表格数据
data = pd.read_excel('data.xlsx')

# 将因变量和自变量分离
y = data['y']
X = data.drop(columns=['y'])

# 添加截距项
X = sm.add_constant(X)

# 拟合多元线性回归模型
model = sm.OLS(y, X).fit()

# 计算Lindeman, Merenda, and Gold (LMG) 方法的结果
n = X.shape[1]  # 自变量的个数
R2 = model.rsquared  # 模型的R平方值
SSR = model.ssr  # 残差平方和
SSM = np.zeros(n)  # 初始化每个自变量的SSM值为0
for i in range(n):
    X_i = X.iloc[:, [0, i+1]]
    model_i = sm.OLS(y, X_i).fit()
    SSM[i] = R2 * model_i.ssr / SSR

# 输出结果
for i in range(n-1):
    print('X{}的贡献度为：{}'.format(i+1, SSM[i+1]))

其中，`data.xlsx`是存储数据的Excel表格文件名，需要根据实际情况进行替换。执行以上代码后，会输出每个自变量的贡献度。