1.多元线性回归（变量之间相互独立）
当预测变量不止一个时，简单线性回归就变成了多元线性回归，相当于求解多元方程。和简单线性回归不同的是，对于多个变量有的对数据的影响很大，有的则几乎没有影响。
线性回归要求的数据类型是数据框，我们用statte.x77数据集进行多元线性回归，需要将数据格式从矩阵转化为数据框再进行计算。
state.x77
states<-as.data.frame(state.x77[,c("Murder","Population","Illiteracy","Income","Frost")])#转换数据格式
fit<-lm(Murder~Population+Illiteracy+Income+Frost,data=states)#四个未知数对谋杀率的影响
summary(fit)#总结拟合结果
图1 多元线性回归结果
由coefficients函数可得预测模型为
Muder=0.0002236754*Population+4.1428365903*Illiteracy+0.0000644247*Income+0.0005813055*Frost+1.2345634112
coef(fit)#查看各项系数，得出预测模型
图2 coefficients函数得出预测模型
