下面是一个示例代码，用于生成包含每个变量具有多种回归类型的所有可能模型的列表：

import itertools

def generate_model_list(variables, regression_types):
    model_list = []
    for r in range(1, len(variables)+1):
        combinations = itertools.combinations(variables, r)
        for combination in combinations:
            for regression_type in regression_types:
                model_list.append((combination, regression_type))
    return model_list

# 示例变量和回归类型
variables = ['x1', 'x2', 'x3']
regression_types = ['linear', 'polynomial', 'logistic']

# 生成模型列表
model_list = generate_model_list(variables, regression_types)

# 打印模型列表
for model in model_list:
    print(model)

在上面的代码中，generate_model_list函数接受变量列表和回归类型列表作为输入，并使用嵌套循环来生成所有可能的模型组合。它使用itertools.combinations函数生成所有可能的变量组合，然后将每个组合与每个回归类型进行组合，生成模型列表。最后，它遍历打印生成的模型列表。

运行以上示例代码将输出以下结果：

(('x1',), 'linear')
(('x1',), 'polynomial')
(('x1',), 'logistic')
(('x2',), 'linear')
(('x2',), 'polynomial')
(('x2',), 'logistic')
(('x3',), 'linear')
(('x3',), 'polynomial')
(('x3',), 'logistic')
(('x1', 'x2'), 'linear')
(('x1', 'x2'), 'polynomial')
(('x1', 'x2'), 'logistic')
(('x1', 'x3'), 'linear')
(('x1', 'x3'), 'polynomial')
(('x1', 'x3'), 'logistic')
(('x2', 'x3'), 'linear')
(('x2', 'x3'), 'polynomial')
(('x2', 'x3'), 'logistic')
(('x1', 'x2', 'x3'), 'linear')
(('x1', 'x2', 'x3'), 'polynomial')
(('x1', 'x2', 'x3'), 'logistic')

这样就生成了包含每个变量具有多种回归类型的所有可能模型的列表。