多元线性回归：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。
简介
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。
但由于各个自变量的单位可能不一样，比如说一个消费水平的关系式中，工资水平、受教育程度、职业、地区、家庭负担等等因素都会影响到消费水平，而这些影响因素（自变量）的单位显然是不同的，因此自变量前系数的大小并不能说明该因素的重要程度，更简单地来说，同样工资收入，如果用元为单位就比用百元为单位所得的
回归系数要小，但是工资水平对消费的影响程度并没有变，所以得想办法将各个自变量化到统一的单位上来。前面学到的
标准分就有这个功能，具体到这里来说，就是将所有变量包括因变量都先转化为标准分，再进行线性回归，此时得到的回归系数就能反映对应自变量的重要程度。这时的
回归方程称为标准回归方程，回归系数称为标准回归系数，表示如下：
Zy= β1Z*1 + β2Z*2 + … + βkZ*k
注意
由于都化成了标准分，所以就不再有常数项 a 了，因为各自变量都取平均水平时，因变量也应该取平均水平，而平均水平正好对应标准分 0 ，当等式两端的变量都取 0 时，常数项也就为 0 了。
如何把正的变成负的：如果这个回归因子的
显著性不高的话,你可以通过增加或者减少回归因子来达到目的,增加一个显著性比它高的正向显著回归因子,或者减少一个显著性比它低得负向显著回归因子,都可能使得回归系数从正的变成负的.
这样的话,其实你这个回归因子本身就不显著,一般来说是可以忽略掉它的.