1、根據業務經驗挑選出可能對**目標變數有影響的指標；
2、將這些指針對目標變數做相關性分析cor()，挑選出相關係數較大的指標進一步分析;
3、檢驗這些指標與目標變數是否線性關係，一般可以plot()檢驗，如果非線性，嘗試做平方或開方等方法使之變成線性；
3、將相關係數較大的指標全部作為解釋變數做多遠線性回歸lm()，得到擬合模型lm.fit;
4、對模型的做係數和方程的顯著性檢驗summary(lm.fit)會直接列出顯著性檢驗結果，如果無法通過顯著性檢驗，則模型不能直接用於**，需進一步處理；
5、可以考慮採用逐步回歸法，用step(lm.fit)，該函式是以aic值最小化為準則，會逐步剔除掉所有能使方程的aic值減小的解釋變數，得到模型lm.fit2；
6、對lm.fit做顯著性檢驗summar(lm.fit2)，如果無法通過顯著性檢驗，則再以殘差最小為準則逐個剔除解釋變數和做顯著性檢驗。直到方程的係數和方程都通過顯著性檢驗為止。至此，如果還無法得到最優方程，我就不知道怎麼處理了。
按上述步驟得到最優方程之後，實際上可能會遇到另外乙個問題：方程某個解釋變數的係數符號與相關係數符號相反，這是矛盾的！為什麼會這樣，這就是多重共線性問題，如何處理？參加我另外一篇關於多重共線性的文章。
以上基本可以完成多遠線性回歸的建模了。
R語言多元線性回歸
toothpaste data.frame x1 c 0.05,0.25,0.60,0,0.25,0.20,0.15,0.05,0.15,0.15,0.20,0.10,0.40,0.45,0.35,0.30,0.50,0.50,0.40,0.05,0.05,0.10,0.20,0.10,0.50,0...
R 多元線性回歸（擬合）
r實現多元線性回歸，主要利用的就是lm 函式 熟悉其他統計回歸量的函式，對做回歸分析也是很有幫助的。以下是r做多元線性回歸的幾個基本步驟 1.讀入資料，r studio直接有按鈕，否則就 zsj 資料一般從excel的csv或者txt裡讀取，實現整理好以符合r的資料框的結構 2.畫相關圖選擇回歸方程...
R語言線性回歸
線性回歸模型 線性回歸模型的計算 lm 可以完成多元線性回歸函式的估計，回歸系統與回歸方程的檢驗的工作 summary 函式，返回列表內容 x1表示體重，x2表示年齡，y表示對應體重與年齡下的血壓 blood data frame x1 c 76.0,91.5,85.5,82.5,79.0,80.5...