python中OLS的多元回归

我有一个用Newey-West程序进行多元OLS回归的代码

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

df = pd.DataFrame({'a':[1,3,5,7,4,5,6,4,7,8,9],
                   'b':[3,5,6,2,4,6,7,8,7,8,9]})

results = sm.OLS(df.a, sm.add_constant(df.b)).fit()
new = results.get_robustcov_results(cov_type='HAC',maxlags=1)
print new.summary()

这是可行的，但是如果我有更多的变量，比如…，我应该如何更改代码呢

df = pd.DataFrame({'a':[1,3,5,7,4,5,6,4,7,8,9],
                   'b':[3,5,6,2,4,6,7,8,7,8,9],
                   'c':[3,5,6,2,4,8,7,8,9,9,9],
                   'd':[3,5,6,2,5,8,8,9,8,10,9]})

。。。想分析它们对变量a的影响，就像原始代码中对变量b的分析一样

代码行results=sm.OLS（df.a，sm.add_constant（df.b））.fit（）应该是什么样子

---

谢谢

您可以提供如下多个变量：

results = sm.OLS(df.a, sm.add_constant(df[list('bcd')])).fit()

---

您可以提供如下多个变量：

results = sm.OLS(df.a, sm.add_constant(df[list('bcd')])).fit()