本文通过对我国人均食品支出的相关影响因素数据进行收集整理，并运R软件对收集到的数据进行分析整理。首先对因变量和自变量进行描述性统计，利用1985年到2016年的数据建立多元线性模型，进行统计检验以及残差的检验，利用偏最小二乘和主成分回归处理多重共线性。运用迭代法处理自相关问题，最终得到最优模型对2017年的食品消费支出进行相关估计和预测。

根据网上调查结果从而预测2022年某地区高考考生人数，利用散点图确立函数的使用并建立函数，最后利用回归拟合确定2022年该地区高考考生的可能区间。

完整代码，可直接运行

多元回归-最小二乘法-残差分析笔记 一.多元线性回归模型的假设 我们需要进行以下六个假设，这些假设是经典的多元线性回归模型有效的前提： 1、因变量Y和自变量X1，X2，…，Xk之间的关系是线性的。 2、自变量（X1，X2，…，Xk）不是随机的。而且，两个或多个自变量之间不存在精确的线性关系。 3、以自变量为条件的残差的期望值为0：E（ε|X1，X2，…，Xk）=0。 4、残差项的方差对于所有观察值都是相同的：E（εi2）=σε2。 5、残差项在各个观测值之间是不相关的：E（εiεj）=0，j≠i。 6、残差项是正态分布的。 二.计量经济学中的普通最小二乘法（OLS）的4个基本假设条件分别为：

多元回归分析的实例，有具体的讲解和操作，主要应用于spss等软件操作。有利于初学者掌握知识的要领

混凝土抗压强度数据集，用于机器学习中多元线性回归模型训练时使用。共一千多条数据，需要的请自取哦

地区城镇居民消费模型 被解释变量：地区城镇居民人均消费Y 解释变量： 地区城镇居民人均可支配收入X1 前一年地区城镇居民人均消费X2 样本：2006年，31个地区

用SPSS 在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。可以建立因变量y与各自变量xj(j=1,2,3,…,n)之间的多元线性回归模型

统计和统计分析 相关书籍： Cosma Rohilla Shalizi从基本角度进行高级数据分析 统计学习的要素：数据挖掘、推理和预测（第 2 版）作者：Trevor Hastie、Robert Tibshirani 和 Jerome Friedman OpenIntro Statistics（第 2 版）作者：David M Diez、Christopher D Barr 和 Mine Çetinkaya-Rundel James Stock 和 Mark Watson 的计量经济学导论（第 3 版）

基于MATLAB的多元非线性回归模型学习资料