多元逻辑回归模型查看每个分类变量对决定的分类变量的结果的显著性python代码

以下是一个多元逻辑回归模型查看每个分类变量对决定的分类变量的结果的显著性的Python代码示例：

import statsmodels.api as sm
import pandas as pd

# 读取数据
data = pd.read_csv('data.csv')

# 将分类变量转换为哑变量
dummy_vars = pd.get_dummies(data[['var1', 'var2', 'var3']])

# 合并哑变量和连续变量
X = pd.concat([data[['continuous_var1', 'continuous_var2']], dummy_vars], axis=1)

# 添加常数列
X = sm.add_constant(X)

# 定义因变量
y = data['target_var']

# 拟合多元逻辑回归模型
model = sm.MNLogit(y, X).fit()

# 查看每个分类变量对结果的显著性
print(model.summary())

在这个例子中，我们首先读取数据并将分类变量转换为哑变量。然后，我们将哑变量和连续变量合并，并添加常数列。接下来，我们定义因变量并拟合多元逻辑回归模型。最后，我们打印模型的摘要，其中包含了每个分类变量对结果的显著性