粘贴数据，拟合 y = b₀ + b₁x₁ + …，输出回归方程、R²、调整 R²、F 检验与各系数。一元回归还给出斜率的标准误。
ŷ = b₀ + b₁x₁ + …R² = 1 − SS残/SS总F = (SS回/k)/(SS残/(n−k−1))最小二乘：min Σ(y−ŷ)²第一列 y，后面各列自变量；至少 5 行数据，自变量不超过 3 个。
| 指标 | 含义 | 参考 |
|---|---|---|
| R² | 模型解释的变异比例 | 越接近 1 拟合越好 |
| 调整 R² | 惩罚自变量个数后的 R² | 多元回归看这个 |
| F / p | 整体模型是否显著 | p<0.05 模型有效 |
| 系数 p | 单个自变量是否显著 | 不显著可考虑剔除 |
R² 只说明「拟合程度」，不能说明「因果关系」。加入更多自变量，R² 一定不降，所以多元回归要看调整 R²。
还要检查残差：残差若呈喇叭形（异方差）或明显弯曲，说明线性假设不成立，应考虑变换或非线性模型。
多元回归控制其他变量后估计每个自变量的净效应，系数含义不同。
普通最小二乘在含截距时 R²∈[0,1]；若强制过原点或计算方式不同，可能出现负值。
经验上每个自变量至少 10~20 个样本，总量不少于 30。
可以，但只应在自变量取值范围内预测，外推风险大。