python 不用statsmodels.api，进行多元二次回归

可以使用numpy和scipy库进行多元二次回归。以下是一个简单的示例代码：

import numpy as np
from scipy.optimize import curve_fit

# 定义多元二次函数模型
def quadratic_func(x, a, b, c, d, e, f):
    x1, x2 = x
    return a * x1**2 + b * x2**2 + c * x1 * x2 + d * x1 + e * x2 + f

# 生成数据
x1 = np.array([1, 2, 3, 4, 5])
x2 = np.array([2, 4, 6, 8, 10])
y = np.array([5, 12, 23, 38, 57])

# 初始参数猜测值
p0 = (1, 1, 1, 1, 1, 1)

# 拟合模型
params, _ = curve_fit(quadratic_func, (x1, x2), y, p0=p0)

# 输出结果
print('a =', params[0])
print('b =', params[1])
print('c =', params[2])
print('d =', params[3])
print('e =', params[4])
print('f =', params[5])

在上面的代码中，我们首先定义了一个多元二次函数模型`quadratic_func`，然后生成了一些数据。接着，我们使用`curve_fit`函数拟合模型，并输出结果。

需要注意的是，这里的多元二次函数模型是一个简单的示例，实际使用时需要根据具体问题进行调整。