1. 简述多元线性回归分析的步骤是什么
在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。
1、普通最小二乘法(Ordinary Least Square, OLS)
普通最小二乘法通过最小化误差的平方和寻找最佳函数。
多元线性回归
其中，Ω是残差项的协方差矩阵。
2. 多元线性回归分析的优缺点
一、多元线性回归分析的优点：
1、在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。因此多元线性回归比一元线性回归的实用意义更大。
2、在多元线性回归分析是多元回归分析中最基础、最简单的一种。
3、运用回归模型，只要采用的模型和数据相同，通过标准的统计方法可以计算出唯一的结果。
二、多元线性回归分析的缺点
有时候在回归分析中，选用何种因子和该因子采用何种表达 式只是一种推测，这影响了用电因子的多样性和某些因子的不可测性，使得回归分析在某些 情况下受到限制。
多元线性回归的基本原理和基本计算过程与一元线性回归相同，但由于自变量个数多，计算相当麻烦，一般在实际中应用时都要借助统计软件。这里只介绍多元线性回归的一些基本问题。
(2)多元线性回归对股票进行分析扩展阅读
社会经济现象的变化往往受到多个因素的影响，因此，一般要进行多元回归分析，我们把包括两个或两个以上自变量的回归称为多元线性回归 。
多元线性回归与一元线性回归类似，可以用最小二乘法估计模型参数，也需对模型及模型参数进行统计检验 。
选择合适的自变量是正确进行多元回归预测的前提之一，多元回归模型自变量的选择可以利用变量之间的相关矩阵来解决。
Matlab、spss、SAS等软件都是进行多元线性回归的常用软件。
3. 什么是多元线性回归预测
在市场的经济活动中， 经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况， 也就是一个因变量和几个自变量有依存关系的情况。 而且有时几个影响因素主次难以区分，或者有的因素虽属次要， 但也不能略去其作用。例如， 某一商品的销售量既与人口的增长变化有关， 也与商品价格变化有关。这时采用 一元回归分析预测法 进行预测是难 以奏效的，需要采用多元回归分析预测法。
4. 利用R进行多元线性回归分析
利用R进行多元线性回归分析
对于一个因变量y，n个自变量x1,...,xn，要如何判断y与这n个自变量之间是否存在线性关系呢？
肯定是要利用他们的数据集，假设数据集中有m个样本，那么，每个样本都分别对应着一个因变量和一个n维的自变量；
m个样本，就对应着一个m维的列向量Y，一个m×n维的矩阵X
Y是X的每一列X1,...,Xn的函数
那么，Y与X1,...,Xn之间到底是什么关系呢？是满足Y=a1*X1+...+an*Xn这样的线性关系还是Y=f(X1,...,Xn)这样的非线性关系呢？
为了解决这个问题，可以首先利用多元线性回归
5. 如何对数据进行多元线性回归分析
对数据进行多元线性回归分析方法有很多，除了用pss ，可以用Excel的数据分析模块，也可以用Matlab的用regress（）函数拟合。你可以把数据发到我的企鹅邮箱，邮箱名为网络名。
6. 多元线性回归分析要解决的主要问题是什么
优点：
1、回归分析法在分析多因素模型时，更加简单和方便；
2、运用回归模型，只要采用的模型和数据相同，通过标准的统计方法可以计算出唯一的结果，但在图和表的形式中，数据之间关系的解释往往因人而异，不同分析者画出的拟合曲线很可能也是不一样的；
3、回归分析可以准确地计量各个因素之间的相关程度与回归拟合程度的高低，提高预测方程式的效果；在回归分析法时，由于实际一个变量仅受单个因素的影响的情况极少，要注意模式的适合范围，所以一元回归分析法适用确实存在一个对因变量影响作用明显高于其他因素的变量是使用。多元回归分析法比较适用于实际经济问题，受多因素综合影响时使用。
缺点：
有时候在回归分析中，选用何种因子和该因子采用何种表达 式只是一种推测，这影响了用电因子的多样性和某些因子的不可测性，使得回归分析在某些 情况下受到限制。
7. 多元线性回归分析
用MINITAB来分析
如果是用EXCEL的话,用"工具栏"里的"数据分析"中,选定"回归",再选定数据做分析就可以了.
8. 用SPSS进行多元线性回归分析的优缺点是什么
1、输入什么自变量，回归模型中就有什么自变量；
2、输入什么自变量，它们只是“候选”性质的，软件在分析过程中会根据这些自变量在回归模型中系数的显著性情况，自动决定到底是保留还是剔除个别变量。结果是，如果输入的所有变量的系数都显著，则全部都保留，跟进入法得到的自变量数目一致；如果输入的某些变量系数不显著，最终回归模型可能会不再包括该变量。
3、后面四种方法对变量纳入的程序和标准略有不同，并且可以设置，有兴趣可以找介绍SPSS使用的书相应内容来看。