『壹』 多元线性回归分析的优缺点
一、多元线性回归分析的优点：
1、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。
2、在多元线性回归分析是多元回归分析中最基础、最简单的一种。
3、运用回归模型，只要采用的模型和数据相同，通过标准的统计方法可以计算出唯一的结果。
二、多元线性回归分析的缺点
有时候在回归分析中，选用何种因子和该因子采用何种表达 式只是一种推测，这影响了用电因子的多样性和某些因子的不可测性，使得回归分析在某些 情况下受到限制。
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。
(1)股票价格的多元线性回归模型扩展阅读
社会经济现象的变化往往受到多个因素的影响，因此，一般要进行多元回归分析，我们把包括两个或两个以上自变量的回归称为多元线性回归 。
多元线性回归与一元线性回归类似，可以用最小二乘法估计模型参数，也需对模型及模型参数进行统计检验 。
选择合适的自变量是正确进行多元回归预测的前提之一，多元回归模型自变量的选择可以利用变量之间的相关矩阵来解决。
Matlab、spss、SAS等软件都是进行多元线性回归的常用软件。
『贰』 多元线性回归和多重线性回归的区别及联系
一、自变量的数据类型不同
多元线性回归：多元线性回归的自变量X的数据类型是连续型变量。
多重线性回归：多重线性回归的自变量X的数据类型可能存在多种数据类型，例如性别等的离散型变量。
二、方程不同
多元线性回归：多元线性回归的方程中没有随机变量。
多重线性回归：多重线性回归的方程中有随机变量。
三、因变量的值不同
多元线性回归：多元线性回归的回归方程求出的是因变量y的平均值。
多重线性回归：多重线性回归的回归方程求出的是因变量y的平均预测值。
(2)股票价格的多元线性回归模型扩展阅读
多重线性回归的条件：
1、因变量为连续性变量
2、自变量不少于2个
3、因变量与自变量之间存在线性关系
4、样本个体间相互独立（由Durbin-Waston检验判断）
5、等方差性：各X值变动时，相应的Y有相同的变异度
6、正态性：给定各个X值后，相应的Y值服从正态分布
7、不存在多重共线性
『叁』 多元线性回归模型
可以研究宏观的投资，消费对GDP的影响，数据可以去统计局数据库找，数据很全，很好找
，做出来的模型效果绝对好，就是研究价值不是很大。。。
微观也可以研究我国各地保费收入与各地人均存款，各地抚养比，各地固定资产投资的关系，这个做界面数据，比较好做，数据在统计局和中国统计年鉴可以找到，各地保费收入数据可以在保监会网站（circ）上找到，这个比较有研究价值，数据比较好找
『肆』 多元线性回归
这个是在做降维因为前文有说全部变量与总资产增长率通不过显著性检验 所以要从中需要找出与总资产增长率相关性高的自变量 再用这些自变量与因变量做回归分析 不懂可追问
『伍』 Eiews进行的多元线性回归模型结果怎么分析请详细些谢谢
先看R-squared，就是可决系数，这个越接近于1，表面回归效果就越好。一般大于0.9就说明回归解释效果不错。然后看各个系数的prob值，越接近于0，效果越显著。表中的P值都比较大，所以效果都不显著，需要考虑其他因素的影响。比较时间序列数据容易出现的异方差、截面数据容易出现多重共线性等等。
『陆』 简述多元线性回归分析的步骤是什么
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。
1、普通最小二乘法(Ordinary Least Square, OLS)
普通最小二乘法通过最小化误差的平方和寻找最佳函数。
多元线性回归
其中，Ω是残差项的协方差矩阵。