【小白学统计】多元线性回归分析全流程深度解析，一个案例带你学完线性回归模型，前提条件检验（残差&多重共线性）、分析结果解读（模型检验与评价、F检验与t检验）

1、应用：多元线性回归分析用于分析变量之间的影响关系，因变量为定量数据，自变量可以为定量数据或者定类数据，定类数据时需要进行哑变量处理再分析。
 2、前提条件：若自变量为定量数据，需要与因变量之间满足线性关系，可通过散点图或者相关分析进行检验。残差需要满足正态性、方差齐性和独立性。正态性可以通过检验残差直方图进行检验；方差齐性通过残差散点图进行检验；独立性通过D-W检验进行判断。自变量之间多重共线性通过VIF值进行判断。
 3、F检验：用于检验模型整体是否有统计学意义。
 4、t检验：用于判断各个回归系数显著性，检验各自变量对因变量影响是否显著。
 5、R方与调整后R方：用于判断模型的拟合优度，通常越大越好。
 6、非标准化回归系数（B）：构造多元线性回归模型使用非标准化回归系数，由此得到的回归模型才能用来预测。
 7、标准化回归系数（Beta）：比较自变量对因变量影响大小使用标准化回归系数，绝对值越大，影响越大。