前言
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。
知识储备
常见的回归分析类型：线性回归、0-1回归、定序回归、计数回归和生存回归。这些类型的划分依据是因变量的类型。
回归分析的任务：通过研究自变量和因变量的相关关系，尝试用自变量来解释因变量的形成机制，从而达到通过自变量去预测因变量的目的。具体如下：
- 判断哪些自变量和因变量是真的相关，而哪些自变量与因变量不相关。
- 判断与因变量相关的自变量的相关关系是正相关还是负相关。
- 对于不同的权重，称为回归系数，用于判断不同自变量对因变量的相对重要性。
数据的分类
- 横截面数据：在某一个时间点收集的不同对象的数据。
- 时间序列数据：对同一对象在不同时间连续观察所取得的数据。
- 面板数据：将横截面数据和时间序列数据综合起来获得的一种数据资源结构。
建模比赛中常考的数据类型：建模比赛中最常用到的是横截面数据和时间序列数据；面板数据更加复杂，属于计量经济学中的模型内容。
<
