我正在使用 Windows 10 的 Spyder 在 Python 3.6 中工作。
我希望能够使用“级别”、“分心”、“目标”等一些预测变量来预测“速度”。但是，我的数据有几个级别：
参与者 1：会话 1（级别 1 到 m），会话 2（级别 m+1 到 n），...，会话 20（级别 x 到 z）
参与者 2：会话 1（级别 1 到 m），会话 2（级别 m+1 到 n），...，会话 20（级别 x 到 z）
.
.
参与者 n：会话 1（级别 1 到 m），会话 2（级别 m+1 到 n），...，会话 20（级别 x 到 z）
对于每个级别，我都在测量速度、分心、目标等。
因此，我认为我的数据的最佳模型是混合模型（随机效应模型），因为我的因变量（速度）和预测变量之间的关系可能因不同的会话和不同的参与者而异。
我是 python 新手，我想知道如何在 python 中回归这些，以获得混合模型回归？
我认为这是仅使用一个预测器的代码：
model = smf.mixedlm("Speed ~ %target", data=df, groups=df[["Participant","Sessions"]]).fit()
如果我想使用多个预测变量怎么办？