遍历多个多元回归的解决方法可以使用循环结构来实现，以下是一个使用Python编写的示例代码：

import statsmodels.api as sm
import pandas as pd

# 创建多元回归模型的数据集
data = pd.DataFrame({'x1': [1, 2, 3, 4, 5],
                     'x2': [2, 4, 6, 8, 10],
                     'y': [3, 5, 7, 9, 11]})

# 定义自变量和因变量的列名
X_cols = ['x1', 'x2']
Y_col = 'y'

# 创建一个空的结果列表
results = []

# 遍历所有自变量组合
for i in range(1, len(X_cols) + 1):
    # 获取当前自变量组合
    X_subset = data[X_cols[:i]]
    
    # 添加常数列
    X_subset = sm.add_constant(X_subset)
    
    # 拟合多元回归模型
    model = sm.OLS(data[Y_col], X_subset)
    result = model.fit()
    
    # 将结果添加到列表中
    results.append(result)

# 打印每个自变量组合的回归结果
for i, result in enumerate(results):
    print(f"Model {i+1}:")
    print(result.summary())
    print("\n")

这个示例代码中，我们首先创建了一个数据集，其中包含两个自变量（x1和x2）和一个因变量（y）。然后，我们定义了自变量和因变量的列名。接下来，我们使用一个空的列表results来存储所有的回归结果。

在循环中，我们遍历了所有自变量的组合。对于每个组合，我们首先从数据集中选择相应的自变量，然后添加一个常数列（截距项），并使用sm.OLS函数来拟合多元回归模型。最后，将结果添加到results列表中。

在遍历结束后，我们使用循环打印每个自变量组合的回归结果。这里我们使用了summary方法来打印回归结果的摘要信息。

请根据实际需求进行适当的修改，包括更改数据集、自变量和因变量的列名等。